Da bambino amavo molto il Go, quasi a un livello di fanatismo. Non giocavo ai videogiochi, il mio telefono aveva solo un'app chiamata "Go宝典", e passavo le notti a studiare le partite dei professionisti, ogni momento libero lo dedicavo a giocare a Go online, e la sera mi sedevo sul letto a disporre i pezzi e a combattere contro me stesso. Al mattino mi svegliavo con i pezzi sotto la testa — all'epoca ero convinto che il Go fosse la gemma della corona di tutti gli sport intellettuali. Il momento di crollo della mia fede è stato dieci anni fa, quando AlphaGo ha battuto il mio giocatore preferito, Lee Sedol; tutta la mia romantica visione è svanita, il Go non era più elegante, ma era diventato noioso come gli scacchi, il cubo di Rubik e il poker. Al liceo mi sono immerso nella fisica, e un momento che ricordo vividamente è stato quando ho risolto un problema: come appare l'universo quando si viaggia alla metà della velocità della luce? La risposta è che, sotto l'influenza dell'aberrazione della luce relativistica e dell'effetto Doppler, vedresti una boccia di pesci rossi con un corpo blu — penso che non ci sia nulla di più bello al mondo. Poi ho scoperto che gli strumenti matematici arretrati limitavano notevolmente i fisici, persone molto più intelligenti di me potrebbero passare tutta la vita senza trovare una teoria unificata, quindi ho rinunciato. Ma la sensazione di quella luce bianca della fisica è ancora presente; ogni volta che torno a casa, parlo con i compagni di classe con cui ho studiato fisica, per soddisfare la mia curiosità intellettuale. Qualche giorno fa, un dottorando che lavora in fisica delle alte energie a Peking University mi ha detto: c'è un progetto verticale che sviluppa un agente basato su Claude Code per replicare articoli scientifici, e lui ha già replicato quasi tutti gli articoli del suo campo. La fisica potrebbe anche avere il suo momento AlphaGo... Non si tratta di dire che l'AI possa padroneggiare il miglior metodo di ricerca scientifica; non è affatto necessario cercare l'ottimizzazione, basta essere più forti degli esseri umani. Nel set di dati di addestramento di AlphaGo ci sono molte partite di giocatori umani; dopo AlphaGo, il team di sviluppo DeepMind ha creato un modello di Go molto più potente chiamato AlphaZero — che non ha utilizzato nemmeno una goccia di partite umane, ma è stato completamente sviluppato da zero, partendo dai principi fondamentali. Ancora più frustrante è che: DeepMind non ha continuato a sviluppare modelli più potenti, ma ha semplicemente annunciato che il problema del Go è stato completamente risolto. Distruggerti, che importa a te?