作者：王弈冬
在美国，如果你既不是亚裔，也没有围棋圈的朋友，那么你接触围棋的路径很可能只有两条：一条是《棋魂》，另一条是国际象棋。而Joshua Larson走的是后者。
大约二十年前，深蓝已能战胜国际象棋顶尖棋手。渴望挑战的Josh便在网上寻找一种“电脑赢不了”的棋类游戏，结果发现了围棋。那时他在科技行业工作，恰逢人工智能刚开始探索神经网络，他一边观察着人们在邮件列表上讨论“用AI下围棋”的可能性，一边自己被这门简单却深奥的游戏深深吸引。
在Josh看来，围棋和小时候玩的俄罗斯方块有些相通：几何构造、简单规则、无限变幻。他说自己小时候会梦到方块，学围棋后则开始梦见死活题。
如今，Josh是美国业余4段，尤其特别的是，他完全靠自学。从最初在9×9上下棋，到在IGS对弈，再到加入本地围棋社群——他从没正式学过棋。他的学习方法也延续到工作中：刚入行时是软件工程师，靠花1000多美元买编程书自学成才。象棋、围棋亦如是。
我第一次认识Josh是在2015年的明尼苏达围棋大会，那年他是大会总负责人。尽管他那时人已搬离明州，但他依然远程统筹，带领一个6人小团队成功举办了这场活动，吸引了400多位棋友来到中西部城市圣保罗。当年围棋大会罕见地盈余，也是中西部罕见的高参与记录之一。
然而，这次成功背后也带来了消耗。Josh在大会后经历了围棋倦怠期，恰巧第二年AlphaGo以4：1击败李世石，这让他对AI在围棋的影响感到迷惘。他曾把围棋视为人类智慧的象征，而AI的胜利让他感到“跑不赢机器了”。
多年后，Josh重新回到围棋，是因为疫情期间生活太无聊。他买了一套老式围棋盘，重新研究起现代定式，并利用AI（特别是Katago）深入钻研。当年他为2023年大会特意准备的AI定式，甚至帮助他取得几场“击倒式”的胜利。
Josh现在在农业科技领域担任产品负责人，带领一个AI系统，帮助农民根据气候与土壤挑选最合适的种子，在全球17个国家运行。他对AI的态度变得更平衡：它是极好的辅助工具，但并非答案的本身。他说，AI给出的“最佳下法”很多时候难以被理解，如果不花时间消化，反而无法真正进步。
⸻
Josh的围棋偏好：快问快答
• 执黑还是执白？ 黑，更主动，喜欢势而不是实地
• 最喜欢的棋手？ 申真谞和本因坊秀策
• 线上还是面对面？ 面对面——喜欢对手真实存在的感觉，也信任棋局的纯粹性
• 开局偏好？ 小目+点三三的AI定式
• 最讨厌的围棋习惯？ 输棋后复盘时试图证明“自己本该赢”的态度
• 输棋时的感受？ 非常讨厌，但不会怪别人，会静静复盘、反思
• 围棋梦想？ 成为业余五段
• 围棋人正常吗？ 更自由，更不受世俗拘束
Josh的围棋之旅表面风平浪静实则跌宕起伏，就像一盘充满美感波澜诡谲的棋局。他的围棋之路，也映照着许多棋迷在AI时代重新定义自己、重新燃起热情的旅程。
股票杠杆提示：文章来自网络，不代表本站观点。
