Als kind was ik zeer gepassioneerd door Go, bijna tot het fanatieke toe. Ik speelde geen games, mijn telefoon had slechts één app genaamd Go宝典, en ik keek dag en nacht naar de partijen van professionele spelers. Elke keer dat ik wat vrije tijd had, speelde ik online Go, en 's avonds zat ik op mijn bed te spelen met de stenen, en 's ochtends ontdekte ik dat ik op stenen lag te slapen — toen was ik ervan overtuigd dat Go de kroonjuweel was van alle intellectuele sporten. Het moment waarop mijn geloof instortte, was 10 jaar geleden toen AlphaGo mijn favoriete speler Lee Sedol versloeg. Alle romantiek verdween, Go was niet langer elegant, het werd net zo saai als schaken, een Rubik's Cube of poker. In de middelbare school raakte ik verslaafd aan natuurkunde, en een moment dat me bijbleef was het oplossen van een probleem: hoe ziet het universum eruit als je met 0,5 keer de lichtsnelheid vliegt? Het antwoord is dat je onder invloed van relativistische lichtafwijking en het Doppler-effect een blauwe bol met een rode rand ziet — ik dacht dat er niets mooier was dan dit. Later ontdekte ik dat verouderde wiskundige hulpmiddelen de natuurkundigen enorm beperkten. Veel mensen die veel slimmer zijn dan ik, zouden hun hele leven kunnen besteden zonder een unificatietheorie te vinden, dus gaf ik het op. Maar het gevoel van die pure schoonheid van natuurkunde blijft bestaan; elke keer als ik terug naar mijn ouderlijk huis ga, praat ik met klasgenoten met wie ik vroeger natuurkunde studeerde, om mijn geest te verfrissen. Een paar dagen geleden vertelde een PhD-student die hoogenergetische natuurkunde doet aan de Peking Universiteit me: er is een project dat een agent ontwikkelt op basis van Claude Code om artikelen te reproduceren, en hij heeft bijna alle artikelen in zijn vakgebied gereproduceerd. Misschien staat de natuurkunde ook op het punt zijn eigen AlphaGo-moment te beleven... Het is niet zo dat AI de beste methoden voor onderzoek kan beheersen; het is helemaal niet nodig om naar optimalisatie te streven, zolang het maar sterker is dan mensen. In de trainingsdataset van AlphaGo zaten veel partijen van menselijke spelers. Na AlphaGo ontwikkelde het team van DeepMind een veel krachtiger Go-model genaamd AlphaZero — zonder een druppel menselijke partijen, puur vanuit de eerste principes zelf ontwikkeld. Wat nog frustrerender is: DeepMind heeft geen krachtiger model ontwikkeld, maar heeft gewoon aangekondigd dat het Go-probleem volledig is opgelost. Wat jou betreft, wat maakt het uit voor jou?