“名人”还是“业5”？从“围棋AI分析”看中国清代围棋水平（二）

2016年3月，围棋人工智能AlphaGo在“人机大战”中4:1战胜了李世石，将围棋带入了AI时代。随后两年涌现出的各路围棋AI，棋力也都逐渐超越了人类顶尖棋手。围棋上千年的发展历程中，首次出现了明确高于人类水平的尺度，棋手们在汲取围棋AI“营养”的同时，自然萌生了用其衡量围棋水平的想法。不过当时的围棋AI基本只支持中国规则，在这类分析中，将不同时代的知名棋手放在一起对比，显然存在严谨性方面的不足。

围棋AI“KataGo”在2020年1月的一次版本更新之后，开始支持包括“还棋头”在内的多种围棋规则，为古今围棋高手“关公战秦琼”初步扫清了障碍。通过“围棋AI分析”来判定棋手水平，是“围棋学”中的全新领域。有必要先对围棋AI分析研究的基本假设、逻辑原理、规则程序等问题进行深入探讨。下面介绍本研究使用的围棋AI程序与加载平台，并详细阐述围棋AI分析的常用参数及其特性，再对利用围棋AI开展研究的注意事项做出总结。

1.KataGo（卡塔围棋）

最近两年，在围棋AI群雄逐鹿的过程中，KataGo成了其中的佼佼者。该程序为由计算机科学家David J. Wu开发，在通用棋类程序“AlphaZero”技术的基础上，优化了相关算法，做出了许多修改与增强。如今，KataGo已经成为了当前棋力最强的开源围棋AI，支持各种规格的棋盘，可以随时调节贴目的大小，并且在一定程度的优势下，不会像AlphaGo那样出现无谓的目数退让，是除“绝艺”与“星阵”两大商业围棋AI之外，棋手训练提高必备的围棋AI程序。

2.Lizzie（里拉零图形界面）

围棋AI脚本一般都遵循GTP[1]协议，可直接在命令行界面运行。若是让围棋AI运行在图形界面，则需要专用的可执行程序加载。

“Lizzie” 诞生于2018年初，是程序员Annie Wagner设计的一款可加载围棋AI的图形界面程序，最初是为了实现围棋AI“Leela Zero[2]”的棋局实时分析功能。此后增加了对KataGo及一些其他开源围棋AI引擎的支持，可以使各种围棋AI运行在图形化界面下，方便使用者进行棋局分析。

如今被国内职业棋手与围棋爱好者广泛使用的Lizzie程序，是由一位名为Yzy的网友修改后的版本，在原先基础上增加了“鹰眼分析”等新功能，数据统计方面也提供了诸多便利。下文中的“Lizzie”均指这一修改版。本研究采用的围棋AI指标参数标准，大多也基于该版本Lizzie的默认设定，理由将在后文中陆续阐明。

1.权重（Weights）

围棋AI训练出的“神经网络[4]”是个复杂的函数，“权重”的本意是函数中的系数，即神经网络的参数。一款围棋AI在进化过程中，会留下不同的版本，以及相应的“权重文件”。如果用Windows上的“记事本”程序将其打开，会发现里面全部都是意义不明的数字，很难想象围棋AI就是用这些数字战胜了人类棋手。

现在权重一词多取“权重文件”之意，结合围棋AI版本号，指某一围棋AI的特定版本。以“KataGo 1.4.5 20b256c”为例，前面的“KataGo 1.4.5”是围棋AI名称与版本号，后面“20b256c”中的“b”（Blocks）前面的数字即神经网络的层数[5]。“c”（Channel）前面的数字是指每一层的通道[6]大小。总体来说，这两个数值越大，围棋AI的计算速度就越慢[7]，但在相同的计算量下水平也越高。

2.计算量

“计算量”有时也称“模拟量”，是对围棋AI程序中“playouts[8]”次数的统计。该指标通常以“k”（千）为单位，一般来说，计算量越高意味着围棋AI的评估结果越准确，但其提升幅度随计算量增加而减小[9]。计算量的大小不同，会对围棋AI其他指标产生一定影响，见后文具体说明。

吻合度，即对局者在一盘棋中，与围棋AI推荐着法的总体吻合程度。该指标在围棋圈内广为人知，经常被用来评价棋手一盘棋的整体发挥，棋局中某一阶段的表现，以及作为对局者是否“遛狗[10]”的重要判断依据。其基本思路是将一局棋视为一张试卷，与围棋AI推荐吻合的着法即为“正解”，根据正确答案的多寡，来评价棋局的质量。

对于吻合度的上述逻辑，有人从哲学层面提出了质疑，认为“围棋AI认为的最佳选点，对人类棋手来说不一定是最好的，我们更应该选择自己能够理解、掌控的下法”。这种观点固然有一定道理，但从根本上否定了“围棋AI分析能够判定棋手水平”的前提，相关研究也就无从谈起。至少在当下，绝大多数棋手都认可“吻合度”与招法好坏的相关性。

在实际使用中，吻合度可以设定不同的标准。野狐围棋“绝艺精解”对吻合度的定义是“棋手落子与绝艺第一推荐的全部重合点”。而Lizzie默认的吻合度标准是：“AI推荐的前三选点，且计算量不低于最高选点的20%”。“前三选点”这一标准，是考虑到棋盘上有时出现几个选点优劣相对接近，或完全等价的局面。例如下面这盘棋，黑棋下一手在哪里收气都没有区别，只将“一选”作为吻合标准显然不合理。

标准中对计算量的要求，则是为了避免围棋AI推荐的第二、三选点与“一选”差距太大时也被纳入吻合。当一个局面围棋AI认为存在“唯一正解”时，会将99%以上的计算量投入此处，此时，只要总计算量不是太低，第二、三选点一定过不了“最高选点计算量的20%”这一关。后文中的吻合度指标如无特别说明，均采用“前三选点且计算量不低于最高选点20%”这一Lizzie默认标准。

那么，一盘棋“吻合度”的高低，究竟能不能作为判定棋手水平的依据呢？回答这个问题，首先要考察吻合度这一指标的信度与效度。“信度”即吻合度的稳定程度如何，是否易受其他因素的影响；“效度”则要寻找吻合度与棋局胜负的关联性，或其他“吻合度和棋力相关”的有力证据。

1.围棋AI“随机性”对吻合度的影响

2006年，“蒙特卡罗方法[11]”被引入了围棋AI开发，这是一次革命性的突破。如今新一代围棋AI靠着“神经网络”一飞冲天，但“随机模拟”仍然是所有围棋AI不可或缺的基础。由于每一次模拟运算都完全随机，导致围棋AI在相同的局面下，未必每次都是同样的选择。这对吻合度会带来多大的影响呢？“重测信度”实验的结果如下：

在不同年代四盘棋的10次围棋AI分析中，所有棋手的吻合度都有波动，但总体并不明显——标准差几乎都在2%以内。另外，所有棋局中“吻合手数”在10次分析中浮动的上下限，最多也只有8手棋。因此，有理由认为围棋AI“随机性”对吻合度的影响相对有限。

不过，这种随机性对研究中的数据获取操作提出了挑战，理想的情况下，应对棋局样本多次分析取样，再取其平均值。另外，研究者应严格遵循学术研究数据使用中的规范，避免出现任何数据方面的人为选择。

2.“权重”对吻合度的影响

任何一款围棋AI，进化之路都可谓是永无止境，过程中自然也留下了一系列的版本。这些不同水平的版本，对吻合度的“看法”会不会存在差异呢？下面选取了四种常用的KataGo官方权重进行测试，结果如下：

几个常用的官方权重在计算量相同的情况下，虽然每盘棋在吻合度上都略有差别，但很难区分这种差异是源自权重的不同，还是围棋AI的“随机性”所致。各权重之间棋手平均值几乎没有差别，方差分析结果也证实了这一点——四组数据之间均无显著差异。详见下图[12]。

在当代棋谱的跨权重实验中,也得到了类似的结果.可见权重因素对于吻合度基本没有影响。只要是超越了人类顶尖水平的围棋AI权重，选取哪一款进行测试都是可行的。

3.“计算量”对吻合度的影响

理想情况下，围棋AI的计算量下肯定是越高越好。受时间与硬件设备的限制，在上面两个实验中，计算量都固定为100k。那么，计算量的高低又会对吻合度产生怎样的影响呢？同样以“当湖十局”为例，测试结果如下：

可以看出，在不同尺度的计算量下，吻合度出现了较为明显的差别。方差分析的结果，施襄夏的吻合度组间差异十分具有显著性；范西屏的吻合度组间差异未见显著，但也在临界值附近，见下图。

可见在不同的计算量下，围棋AI吻合度也不同，不能直接进行比较。在对比两组吻合度的数据时，需保证计算量的一致性。

表3中，吻合度数值与计算量的高低，大致呈反比关系。原因可能是在高计算量下，不同选点之间模拟次数的差值被放大，一些局面中与一选存在“真正差异”的第二、三选点，难以实现“计算量不低于最高值20%”的要求。简而言之就是计算量的增加，让一些围棋AI初看还行，细算后又否定的选点无法蒙混过关。若将吻合度标准改为“一选”，计算量不同导致的差异将不再明显，这支持了上面的推测。见表4：

“一选吻合度”不受计算量的影响，并不意味着采用这种标准更为科学，这一现象反而暴露了吻合度的一大缺陷，即易受“必然着法”影响的问题。

4.“必然着法”对吻合度的影响

前面那盘棋，执黑的柯洁上来就在“大雪崩”定式中刀，对于职业棋手来说，这个局部下完基本就可以认输了。从图中左侧KataGo的胜率曲线与目差[13]来看，黑方后面确实没什么机会。然而本局柯洁全局吻合度达到了67.4%，在1000k的计算量下，是个相当高的数字！这盘棋还是围棋AI时代之前的棋谱，没有如今棋手们学习围棋AI获得的“布局红利”。一场完败的棋谱，吻合度却如此之高，这个指标还能不能用来判定棋手水平呢？

为什么上来就大势已定的一盘棋，最终黑棋竟收获了如此之高的吻合度？通过图中与吻合度近似的指标“AI评分[14]”不同阶段数据，可以看出一些端倪——尽管开局第一个定式就崩盘，KataGo对黑棋布局的评价一点也不低。

简单介绍一下柯洁的中刀过程：在“大雪崩”定式这一型中，黑1本应在7位压，实战“不识定式”的柯洁遭到了白6以下的组合拳，白棋先弃三子，最终将黑左边五子吃回，形成通天厚势。至此白棋已获压倒性的优势。（顺便一提，黑1之前黑棋胜率已经不到20%了）

然而图中黑方的十步棋除了黑1扳之外，其余九手全部踏入了围棋AI“吻合度”区间！由于中刀之后的变化是“一本道”，反而让黑棋的吻合度大幅提升。另外，尽管围棋AI对人类的大雪崩定式下法颇有微词，但整个定式过程存在大量的必然下法，同样提升了双方布局阶段的吻合度。这种“吻合”对于判定棋手水平来说，显然毫无意义。

网络上“围棋AI评古”相关文章的评论区，最常见的质疑就是上面这一现象，即接触战中的“必然”着法会增加。像中国古棋那样普遍的全盘战斗风格，大量的必然下法会使吻合度偏高。然而，棋盘上的“风格”是无法量化的。我们可以就棋盘上某个具体的局部，主观认定其吻合度并不体现水平，但某种棋风影响吻合度这一假说，无法用科学的方法找到有效证明。况且中国古棋的战斗风格与当代大型定式相比，到底哪一边吻合度更“沾光”也难以定论；即便是平稳风格的局面，中盘也不可能没有棋子接触，难以判断其“必然性”是否一定不高。另外，在不同水平棋手那里，什么样的着法属于“必然”，本身标准就不一致。总而言之，“战斗风格影响吻合度”这种既无法证实也无法证伪的推测，作为一项追求严谨与可靠性的研究而言，存而不论是最好的办法。

篮球界有一个类似的案例。詹姆斯·哈登是NBA过去三个赛季的常规赛“得分王”。可大量球迷对其成就并不认可，认为他的场均高得分与其“碰瓷”打法（投篮时主动寻找手臂接触，造犯规获得罚球）密切相关，这是在钻篮球规则的空子，不能体现真正的得分能力。很显然，我们不可能客观判定哈登每一次投篮时的造犯规是否属于“碰瓷”，从而计算出其“真实”的得分能力。“吻合度受到棋风影响”的说法，与上面这件事情类似，空有“观感”而无从证实。

不过，尽管难以进行统计，任何棋局中都有一些“必然着法”是不争的事实。前面“一选吻合度不受计算量的影响”的现象，从侧面体现了这一点。“前三选点且不低于最高计算量20%”的标准，让吻合度在不同计算量下出现了差别，原因是计算量存在明显差异的围棋AI，在棋力上有着较为明显的高下之分[15]，导致对棋盘上“模糊地带”的标准有严有宽。如果一盘棋在不同级别的“围棋AI老师”那里拿到了同样的评分，最有可能的解释是：此前能够体现区分度的“题型”消失了，剩下的都是不需要依靠“阅卷水平”就可以打对勾的简单题目。由于每盘棋“送分题”的多寡并不一致，使用吻合度进行棋力评价，首先需要一定的棋局样本量。“单局吻合度”由于难以排除棋局随机因素的影响，用来评价棋手水平效力相对有限。

5.棋局手数对吻合度的影响

上一节提到，对局中不可避免的存在一些必然着法。这些“送分题”在每盘棋中总量是随机的，但在棋局的不同阶段，其分布是否均匀呢？我们很容易根据经验推测：一盘棋布局阶段的“必然”下法最少，越是往后必然着法就越多，在官子阶段达到顶峰。

与无法证明的“棋风影响吻合度”不同，“手数影响吻合度”的假说，可以通过棋谱统计的方法加以证实。2019年初，围棋AI“ELF OpenGo”分析了从十六世纪到2018年的将近87000局职业棋谱，得出了许多有趣的结论。其中，关于棋局不同阶段“吻合度”的统计结果如下：

表中的“吻合度（Matching）”是只统计围棋AI“一选”的数值，而“基本吻合（Almost Matching）”则设定为“胜率下降不超过1%的着法”，这与Lizzie的默认吻合度设定有异曲同工之处。两种标准下的结果对比，再次体现出“一选”在区分度方面的缺陷。不过无论哪种标准，吻合度数值都随着棋局的进行上升。

上述结果是对大量棋局不同阶段的横向考察，尚未直接验证完整的一盘棋也遵循“吻合度随手数上升”这一规律。另外，该研究并未涉及棋局180手之后的平均吻合情况，每手棋的计算量只有1.6k，也没有考虑规则与贴目（子）因素，这些缺陷在一定程度上弱化了其结论。为了证实“吻合度”是否如预期那样与一盘棋的总手数相关，对部分当代棋谱[16]按手数进行分组比对，结果见下图：

数据表明，一盘棋的总手数与吻合度的确相关，吻合度随手数增加呈线性上升。因此，将吻合度这一指标进行对比时，需考虑棋局手数因素的影响，设法加以平衡。

6.局面优劣对吻合度的影响

在一盘棋中，棋手的思路与着法与局势的好坏直接关联，围棋AI也是如此。一般来说，当局面优劣较为明显时，围棋AI更倾向于将计算量“平铺”至不同的选点，这会对吻合度产生一定的影响。

以这盘棋为例，根据目差可以看出，此时黑棋优势十分明显，基本上走哪里都不影响胜负。实战黑棋下一手“幸运”地满足了Lizzie的吻合条件[17]，但很难说这步棋与图中的“四选”以及其他“不吻合”的选点，有什么实际上的优劣差别。

需要说明的是，即便在“极端形势”下，KataGo也不是完全没有倾向性，前图后续进程中双方的两步棋，就只有“一选”满足吻合条件。但无论如何，当局面优劣明显时围棋AI认可的下法增加，会影响到“吻合”的判定。这动摇了用吻合度判定着法好坏，从而推断棋手水平的基本逻辑。

对上述问题的解决方案，与前面的“必然着法”相同——增加棋局样本数目，从而避免“极端数据”带来的影响。后面介绍的“AI评分”也在一定程度上缓解了这一问题。

7.围棋AI“盲点”对吻合度的影响

前面提到，围棋AI的棋力随“计算量”上升。但在复杂局面或多手数的直线计算中，即便让围棋AI无限时间（计算量）思考，有时也会出现盲点或误算。此时的“吻合”自然失去了判定着法好坏的作用。

第十三届“春兰杯”八强赛的一盘棋，就出现了这样的案例。如胡耀宇在文中所说，无论是KataGo各种权重，还是绝艺和星阵的精解分析，都没能发现黑棋一路点的正确时机。倘若实战黑149真的下出了这一妙手，也不会被围棋AI纳入“吻合”。前面柯洁与邱峻的棋局片段中，KataGo[18]同样未能算出白12退的好手。尽管这步棋之后，白棋的胜率与目差双双上升，也无法改变“不吻合”的结果。

好在如今围棋AI的综合水平远超人类，上述局面出现的次数极其有限。在一盘棋上百手的“大样本”中，一两个错误的判断基本不影响全局的吻合数值。在各种影响吻合度的因素中，围棋AI“盲点”这一条可以说是最小的。如果统计的棋局样本总量足够多，这一因素更是可以忽略不计。

8.吻合度与胜负的关系

之前几节已经看到，吻合度会受棋盘上各种各样的因素影响，许多因素只能依靠增加样本量来减免影响。那么，在大样本的条件下，能否建立起吻合度与棋力的关联呢？前面柯洁与邱峻那盘棋，开局崩盘并收获一场完败的柯洁，全局吻合度居然比对手还要高。当然，在一盘棋中整体发挥更好，最终却未能获胜也很正常，但这种事情如果出现频率过高，必然会令人质疑“吻合度”能否体现棋手真实水平。因此，有必要统计一下棋局胜负与吻合度的关系。结果见下表。

数据显示，胜方吻合度高于对手的棋局，占样本总体将近三分之二。无论是数量还是平均数值上，获胜一方吻合度都有一定的优势，且这种领先在统计学上存在极其显著的差异（P

结果显示，围棋职业高手相比传统意义上的业余高手，在棋局吻合度方面的领先存在极其显著的差异（P“AI评分”计算公式

该公式的思路，是将围棋AI所有计算过的选点，按照计算量的比例赋予相应评价。这让每一手棋的评分更加细化，也避免了一些错过“前三”或未能迈过“20%”门坎的着法，在吻合度中完全无法体现的缺点。测试表明，与吻合度相比，该指标受围棋AI“随机性”的影响更小。参见下表。

与表1中的“吻合度”数字相比，表8中不同测试之间的数值波动以及标准差明显更低。可以说AI评分进一步降低了偶然性，应该是更为合理的指标。不过，根据对已分析的古今棋谱数据观察，该指标与吻合度的相关系数为0.9以上。两者的差异在小范围内浮动[20]，不具备统计学意义上的显著差异。诚然AI评分指标的设定更加科学，但继续使用如今知名度更高的“吻合度”也未尝不可。

经综合考虑，本研究对围棋AI分析的棋谱，同时统计棋局“吻合度”与“AI评分”两种指标数据。如果这两种指标的“显著性检验”结果冲突，将以AI评分结果为准。另外，Lizzie最新版本已将原先的“吻合度”改为“吻合率”，将“AI评分”命名为吻合度。为避免误解，本文中的“吻合度”与“AI评分”词语不作变动，仍取其原先的含义。

KataGo统计了棋局某方落子后，其胜率与落子之前的局面相比波动了多少——通常是下跌了多少。当围棋AI出现误判时，一手棋可能会导致胜率上升，但“平均胜率波动”统计的是绝对值，无法纠正围棋AI犯下的错误。好在这种误差在“吻合度”那里已有提及，结论是影响基本可以忽略不计。

前面还提到，“棋输了但吻合度高于对手”的概率差不多有三分之一。不过即便是这种情况，负方全局的平均胜率波动几乎也都高于胜方[21]，也就是说虽然“命中率”更高，但“脱靶”造成的后果更严重。由此可见，“平均胜率波动”可以成为棋力判定的参考性指标。胜率波动低不一定意味着发挥的好，也有可能是一场完败，胜率没有什么下跌的空间；但平均胜率波动过高，则一定表明棋力有限，在棋局关键阶段的洞察能力不足。常见于业余低手的“胜率心电图”即是如此。考虑到不同时代棋局贴目（子）并不一致，开局的胜率起点存在较大差别，另外胜率类指标也受对手给予压力大小的影响，使用该指标比对时严谨性难以保证，故仅作为辅助参考之用。

与上面的胜率波动类似，“目差”也有平均波动数值的统计。与虚无缥缈的“胜率”而言，将目光聚焦到目数上，似乎更符合人类棋手的思路。

然而目数的出入，与棋局胜负并不直接关联，在不同形势下，目数得失的价值并不一致。劣势下的放手一搏与优势下的退让求稳，在胜率上可能起不了什么波澜，但体现在目差波动数值上显然不同。因此，将“平均目差波动”作为评价棋力的标准，逻辑上有难以自圆其说之处。

在大样本尺度下，“平均目差波动”依然与胜负相关，但胜方领先的平均数值只有0.05目[22]，差异并不明显。一位棋手的目差波动小，固然在一定程度上体现其局面掌控能力，但该指标受棋局风格影响的嫌疑比“吻合度”要大得多。与复杂的战斗局面相比，平稳的风格显然更容易降低每一手棋的目差波动。综上所述，与胜率的波动相比，平均目差波动尽管有体现棋手“细腻性”的一面，但逻辑上的缺陷也更明显。对于评价棋力来说，参考价值更为有限。

在一手棋的“目差”之外，KataGo还统计了计算过程中所有变化[23]的目差，并根据计算量进行加权求和，得到当前局面的“目差标准差（scoreStdDev）”。Yzy在Lizzie中提取了这一指标，起初将其命名为“复杂度”，后因感觉表述不够准确，可能引起误解，遂更改为“不确定度”。

不过，一些棋友认为该指标可以结合“吻合度”，成为评价棋手水平的试金石。理由是倘若一个局面的“目差标准差”数值高，意味着围棋AI计算的变化出现了较大分歧，即“AI算不准”，这说明此时局面十分复杂。在局面复杂时吻合度高，要比局势平稳时的“吻合”更体现水平。

上述说法在“效度”方面的逻辑似乎没问题，但未提及该指标“信度”方面的表现。对这一指标的考察测试，主要得出以下几点结论：

1.根据该指标计算原理，在不同的计算量下，其数值会存在明显差异。围棋AI权重不同也会影响该指标数值。因此，“复杂度/不确定度”怎样才算“高”，缺乏明确的标准。

2.该指标会受到局面优势大小的影响，与当前局面“目差”的数值成正相关。

3.该指标数值“高”时，会放大围棋AI“随机性”的影响，导致取样方面的困难。

除了以上缺点之外，以“复杂度/不确定度”结合吻合度判定棋手水平，在逻辑方面存在硬伤——既然围棋AI都算不准了，那么此时的“吻合度”显然失去了优劣评价的意义。综上所述，“目差标准差”可以看作是围棋AI眼中棋盘上的变数，在一定程度上展现了棋局的风格，但“棋风”无法直接与水平挂钩。KataGo的作者David J. Wu在被问及这一指标的意义时，也表达了同样的观点。

围棋AI“ELF OpenGo”在对人类历史棋谱进行分析研究时，提出了一些具有启发性的指标，包括“胜率下降最多的一手（Biggest Mistake）”、“第一步恶手出现时间（First Bad Move）”、“一盘棋的恶手数量（Number Of Bad Moves）”等等。这些评价标准固然有趣，但与棋力的关联性尚未得到确认，不同因子的权重如何设置也是一大难题。另外，由于这类指标在设置上有很大的随意性[24]，不但难以服众，在研究中也很难做到完全撇清“先射箭后画靶”的嫌疑。因此，与相对固定，且受众更广的吻合度、AI评分等“默认标准”相比，提出其他一些特定的指标，或用几种指标组合建立模型作为评价棋力的标准，需要详细阐明其内在合理性，以及指标或模型能够区分棋手水平的依据。

美国职业篮球联赛（NBA）有各种各样的“高阶数据”——将各种基础数据赋权，用复杂的公式计算出结果，从不同角度评价球员在场上的贡献。但球迷们津津乐道的还是得分、篮板、助攻、命中率等一目了然的数字。基础数据对运动员水平的体现可能没那么全面，但争议性也是最少的，用围棋AI指标来评价棋手水平同样是如此。

1.围棋AI的“棋力”随计算量增加而变强，提升的幅度“前快后慢”。总体来说，计算量越高意味着围棋AI的评估结果越准确。

2.围棋AI“随机性”对吻合度的影响相对有限。但在理想情况下，应对棋局样本多次分析取样，再取其平均值。

3.当计算量不同时，围棋AI“吻合度”存在一定差异，不能直接进行对比。吻合度数值大致与计算量成反比，即计算量越高，吻合度越低。

4.在相同的计算量下，使用不同权重（20B、30B、40B等等）的围棋AI测试，在吻合度方面没有显著差异。

5.“一选吻合度”会造成许多误伤，在区分度方面也存在缺陷，并不比常用的“前三选点且不低于一选20%计算量”标准更可靠。

6.接触战中的“必然”着法会造成棋局吻合度偏高，但无法得出“某种棋风会使吻合度失真”的推断。

7.一盘棋的手数多少与吻合度正相关。在对比总手数不同的棋局时，需消除该因素的影响。

8.局面的优劣程度会影响吻合度的判定。可以通过增加棋局样本的方法减轻其影响。

9.围棋AI的误算对吻合度的影响极其有限，基本可以忽略不计。

10.在大样本下，围棋AI吻合度与棋局的胜负显著相关，且在已知的不同水平棋手群体对比中，吻合度同样呈现出显著差异。故有理由认为，吻合度在大样本下与棋力存在相关性，具备评价棋手水平的资格。

11.“AI评分”与吻合度的相关系数在0.9以上，两者作为评价工具都是可行的。不过该指标设定的更为合理，也能更好的避免围棋AI“随机性”的影响。

12.“平均胜率波动”可以成为棋力判定的“否决性”参考指标。胜率波动过高则水平一定有限，反之未然。

13.使用“目差”相关指标来评价棋力，在逻辑上有难以自圆其说之处，参考价值相对有限。

14.“复杂度/不确定度”这一指标在参与棋力评价时，存在逻辑上的硬伤。局面是否复杂无法直接与棋手的水平关联。

15.使用人为设定的指标或模型来评价棋手水平，很难完全消除标准方面的争议，需要详细阐明指标提取的合理性。

点这里继续阅读