AI 下得更好。我们依然下棋。

概念矢量插图:两个人继续下国际象棋,旁边是一棵机器计算出的可能走法树。

9 月 30 日,一位在 X 上使用 discount modder 这个名字的游戏模组创作者写道,如果这种情况成为模组创作的常态,他正在做的项目可能就是最后一个。他不想参与一家批量生产 AI 内容的工厂。

他所说的情况,是当时流传的一波把不同游戏混合起来的视频:借助编程智能体,搬移游戏机制、场景和角色。模组创作本来就是修改电子游戏,改变玩家能在其中做的事情,小到修正细节,大到增加一整段战役。新变化在于,这些智能体如今似乎能承担相当多的工作。

两天后,另一位模组作者 Kran 也批评了同一趋势,但他补充了一个很有意味的细节:他自己也使用 AI。他希望工具帮助人们创造过去做不到的东西;让他不满的是,为一小段视频拼凑的混搭反而获得了关注。

把这两种反应都归结为害怕输给机器,并不公平。他们也在讨论质量,以及自己希望参与什么样的社群。不过,这种灰心引出了一个已经出现在图像生成、最近又出现在数学领域的问题:如果机器能做我们投入了那么多时间的事情,继续做还有什么意义?

有一项活动已经与这个问题共处了几十年。参与者依然会坐到棋盘前。

当一个项目似乎人人都能做,什么发生了变化

一个具体案例有助于理解这种冲击。Garry’s Redemption 希望把 Garry’s Mod 的移动方式和工具带进《荒野大镖客:救赎 2》的世界。作者表示,代码的编写、调试和测试由 Claude Opus 5.5 在人的指导下完成。

按照项目文档,两款游戏同时运行,并把各自发生的事情传递给对方。Garry’s Mod 提供玩家控制和工具,《荒野大镖客:救赎 2》提供世界及其居民。作者将其描述为只在一台电脑上测试过的测试版。因此,我们可以称它为有文档说明的实验,却不能认定它已经能为所有玩家提供成熟的体验。

一个具体案例两款游戏交换正在发生的事情
Garry’s Mod玩家移动
武器与工具
两者之间的桥梁交换位置
和动作
荒野大镖客:救赎 2场景、角色
与世界渲染
Codin 根据作者的代码仓库绘制的简化示意图。它解释项目思路,不是游戏截图,也不代表对实际运行效果的独立验证。

对于花了多年学习游戏引擎的人,这类实验可能改变他对自身能力的看法。过去似乎只有少数人能做的事,如今在模型帮助下仿佛变得人人可及。每个演示仍有许多地方需要核实,但这种不安不会等到一切完美运行才出现。

这时,两个问题混在了一起。一个是有多少工作可以自动化,另一个是我们为什么想做这些工作。前者可以迅速变化,后者却不只有一个答案。

人类失去了棋力优势,国际象棋仍在发展

1997 年 5 月,深蓝在六局比赛中以 3.5 比 2.5 战胜加里·卡斯帕罗夫。这是计算机首次在正式比赛条件下,通过一场多局对抗赛击败在任世界冠军。这个结果并没有让所有程序突然变得不可战胜,却让变化的方向变得清晰。

如今,最强的国际象棋引擎远超最强的人类棋手。Stockfish 等工具还可以免费使用,为数百万人使用的平台提供棋局分析。想得到一份业余棋手独自不可能完成的评估,已经不需要拥有 IBM 超级计算机。

如果国际象棋的吸引力取决于人类是最擅长下棋的存在,它本应逐渐失去意义。然而,Chess.com 在 2022 年达到一亿注册账号的里程碑,2025 年达到两亿。平台在 2025 年回顾中报告,当年进行了超过六十亿局棋。

深蓝之后Chess.com 注册账号里程碑
2010100 万
20141000 万
20221 亿
20252 亿
来源:Chess.com,2025 年 9 月更新的统计资料。这些是累计注册账号的里程碑,不是活跃棋手数,也不是全球人口普查。各条形采用相同的线性比例。增长本身不能证明 AI 是原因。

需要准确地说,这些数据不能证明今天下国际象棋的人数超过了历史上任何时期,也不能证明增长由棋类引擎造成。但它们足以支持本文的论点:一个国际象棋平台的大幅扩张,可以与机器的棋力优势并存。

朋友间的任何一局棋,都能让人理解原因。一个人思考十分钟后发现了一套组合,不会因为程序能瞬间找到它,就不再享受这一刻。对手、努力、惊喜,以及自己理解了什么,都很重要。那步棋在这段经历中有价值。

在 AI 出现之前也是如此。几乎没有业余棋手能指望超越卡斯帕罗夫。他的存在并没有让周日的一局棋变得荒唐。我们可以进步,而不必立志成为地球上最强的智能。

失去让自己与众不同的东西,确实会痛苦

但与特级大师的比较也有边界。杰出的人很稀少,程序却可以人人可用。掌握一项困难技能,让我们能帮助别人、在群体中找到位置、获得认可。如果这项能力变得充裕,即使对活动本身的喜爱没有改变,那种位置也可能变化。

设想一位模组作者,社群过去总是找他修复某一类故障。他享受研究过程,也享受成为那个能解决问题的人。如果明天任何人都能向助手要到修复方案,他原有的知识并没有消失,甚至可能拥有更好的工具。然而,他过去获得的一部分回报不见了。告诉他应该为生产效率提高而高兴,会忽略真实的损失。

这能帮助我们理解灰心,却不能证明这项活动失去了所有价值。一项技能可以不再罕见,却依然有趣;可以失去价格,却保留用途;可以不再是获得成品的必要条件,却仍是培养判断力或与人建立联系的方式。

也有人会因为门槛降低而加入。比如,一个人想制作一段小任务,与朋友一起玩。他关心场景和玩家要做的决定,却被游戏文件卡住。如果助手解决了这一部分,他就多了一种创作可能。对另一个人来说,研究那些文件恰恰就是乐趣。两人没有必要想自动化同样的事情。

这些是假设情境,不是对多少模组作者会加入或离开的预测。它们说明,同一个工具为什么会让一个人灰心、让另一个人兴奋,而且双方都不是在装样子。

我们认为有问题的是接下来那一步推断:从“曾经激励我的一部分东西变了”,跳到“继续做已经没有意义”。

一张完成的图像,与一份被理解的证明

绘画也能作出相同区分。如果一个人需要给演示文稿配图,几秒钟获得图像可能就解决了问题。如果一个人坐下来画画,是想学会观察一张脸,生成图像并不会替他完成这种学习。即使他更喜欢生成结果,而不是自己的画,他也没有练习观察。

对依靠委托谋生的插画师,还有另一个问题:是否仍然有人愿意为他的工作付费。可以继续为了乐趣画画,并不能回答收入减少怎么办。国际象棋的例子有助于讨论一项实践的意义,却不足以回答一个人将如何谋生。

数学还有额外的困难。蒂莫西·高尔斯在 9 月 17 日的文章中解释,他成为数学家的主要动力之一,是解决未解问题,越著名越好。他不确定,没有这种愿望,自己是否还会走上这条路。他担心,那些原本会开展研究、传承数学传统的年轻人,可能不再愿意这样做。

我们在关于 AI 企业对数学界责任的文章中讨论过这一点。一个新结果、它带来的理解,以及研究它的人所获得的训练,彼此相关,却不是同一回事。

在这里,国际象棋的类比需要调整。每局棋都能重新开始;未解问题一旦解决,就不再是未解问题。如果你的动力是成为第一个证明它的人,别人的解答确实会消除这个机会。不能只让你重做一遍证明,并要求你拥有同样的感受。

但由此断言理解它毫无价值,同样不合理。独自重新发现一份已知证明的人,获得了自己原本不具备的东西,即使图书馆没有新增一个定理。制度层面的问题在于,如果我们只认可“第一个到达”这种贡献,就会不给解释、连接思想以及教人运用这些思想的人留下空间。

这种变化值得投入具体工作,也需要诚实面对:保留数学的吸引力,不等于保留每一条职业道路,也不等于保留过去推动人们研究数学的每一种动机。

国际象棋保留了亲自下棋的空间

棋盘还提供了一条常被遗漏的经验。国际象棋并非只是发现人们仍会为了乐趣而下棋。它的社群还区分了两件事:用机器分析,以及在与人比赛时接受机器给出的走法。

例如,Chess.com 禁止在与其他用户进行的棋局中使用分析局面的引擎。平台可以提供分析工具,同时保护双方各自做决定的对局。技术进步与活动规则承担不同功能。

可以想象一个简单场景:你下了一局棋,试图找到计划,却输了。之后查看分析,才明白自己的进攻为什么失败。引擎参与了学习。如果它在你假装独立下棋时选择了你的每一步,就改变了这项活动,也破坏了你与对手的约定。

模组创作和艺术没有统一规则,不能原封不动地搬来这种区分。但相关空间可以明确自己提供什么:可玩的作品合集、学习制作的工作坊、展示作者创作过程的展览,或试验工具的场所。不同目的,可以重视不同贡献。

Kran 的抱怨在这里更有分量。如果社群奖励的东西不再像成员想实践的东西,提醒他们仍然能打开编辑器,并不能解决问题。能找到精心制作的作品、得到有用反馈、与感兴趣的人分享,同样重要。

因此,国际象棋不能证明一切都会自行变好。它说明,在失去技术优势后,我们仍能重视一项活动,而实践它的规则与空间,有助于维持这种价值。

我们不需要战胜机器,才能继续

在 Codin,我们不认为一项活动会因为 AI 能做得更好,就不再值得参与。那样的结论,把衡量结果的一种标准,与人们选择参与的所有理由混为一谈。

我们也不认为,必须靠“永远会剩下一种人类独有的能力”来捍卫爱好。今天可能是品味,明天是提出问题,后天是原创性。如果每一个继续的理由都取决于模型暂时不会做什么,那么每一次进步都会迫使我们重新寻找依据。

这个论点应当经得起更严苛的设想:假如 AI 最终能做出比我们更好的模组、图像和解释,它仍然没有替我们学习,也仍然没有替我们与朋友度过那个下午。成品的存在,并不包含亲手创造时可能经历的一切。

这当然不会自动带回收入、关注或认可。社群与平台的组织者需要决定让什么被看见、奖励什么。教育者需要说明,即使工具已经能够解决问题,什么仍值得学习。创作者也应保留选择权,决定哪些部分交给工具,哪些部分亲自练习。

模组作者可以用 AI 摆脱繁琐任务,把更多时间投入关卡设计。另一个人也可以愿意自己写完所有内容,因为他享受的就是这个挑战。他还可以选择停止。一个精彩的视频,并不能推出“继续做已经荒唐”这个结论。

下一次,机器用几秒钟完成我们花了多年才学会的事情时,确实会有损失和机会需要审视。但在宣告这项活动结束之前,不妨先问问,我们原本从中获得了什么。

国际象棋给出了一个很具体的答案。我们知道机器会找到更好的走法。但我们依然想看看,自己能够找到哪一步。

来源

关于创作与学习意义的判断,代表 Codin 的编辑立场。所引述的个人表述,不构成对整个模组社群的调查。

返回博客