崔灿重磅论文：从AI分析，中国古代棋圣不弱于现代超一流棋手！(11)

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，见图4。

图4 “当湖十局”不同计算量下吻合度数据方差分析
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
图2中，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[14]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？