2026-08-21

知乎8月21日12点：机器人撞家具、围棋AI被反常落子带偏，屏幕研究也不能等于放开刷

本期从知乎12:01热榜前30条中筛出扫拖机器人、围棋AI和芬兰屏幕研究三条热点，分别核对责任证据、模型鲁棒性与统计关联的边界。

今天 12:01 读取到的知乎热榜里，科技相关的高信号线索集中在三个方向：一台扫拖机器人是否把「智能避障」做成了责任问题，一套非常规落子是否真的能让围棋 AI 失去判断，以及一项芬兰研究为什么会把「屏幕时间越长越糟」这条直觉改成了统计关联。

本次知乎接口返回热榜前 30 条。接口没有提供榜单生成时间，所以排名和热度只代表这次 12:01 快照，不代表全天固定名次。筛选后，三条热点的共同问题也很清楚：标题把个案、攻击策略和统计关联压缩成了结论，读者需要把证据重新拆开。

综合顺序	知乎排名与热度	已经确认的核心	仍要等什么
1	第 5 名，183 万热度：小米扫拖机器人避障不灵撞坏百万家具	媒体报道了避障故障工单、家具维修报价和已立案案件	法院怎样认定缺陷、因果关系和损失金额
2	第 8 名，169 万热度：柯洁称找到了破解围棋 AI 的方法	对抗性策略击败围棋 AI 有论文先例，柯洁的直播说法是这项旧研究的再传播	哪个 AI 版本、什么搜索设置仍会被这种策略击穿
3	第 9 名，146 万热度：芬兰研究人员发现儿童屏幕时间与认知正向关联	8 年随访中，累计自报屏幕时间与青春期部分认知指标呈正相关	屏幕内容、使用情境和干预研究能否解释这种关联

1. 小米扫拖机器人：产品写着「避障」，案件要证明的是哪一次碰撞

先把时间线摆出来

媒体转述，邸女士在 2026 年 2 月从小米旗舰店购买扫拖机器人 5 Pro。她搬回家住了一两周后，发现多件进口家具出现划痕，并认为机器人在贴边清扫和进入边角时反复碰撞。3 月 24 日，小米售后工程师上门检测，售后工单被报道为写有「机器存在避障故障」。家具供应商随后给出的维修报价为 37.5 万元，电商平台曾提出 500 元赔付方案，邸女士没有接受。1

截至 8 月 20 日的报道，邸女士已经把小米和电商平台起诉至上海市静安区人民法院，案件已立案，计划于 9 月 15 日开庭。报道同时转述小米客服说法：客服能通过设备序列号查到投诉，要求提交家具受损照片，再结合设备情况审核；报道发布前，小米没有给出赔偿问题的正式结论。1 2

因此，目前能确认的是三层材料：售后工单被媒体报道为确认了避障故障，家具供应商给出了维修报价，法院已经立案。家具究竟由哪一次动作造成损坏、工单里的故障与损坏之间是否存在直接因果关系、37.5 万元报价能否全部计入赔偿，仍然要由证据和审理结果决定。

官方产品页也写了它的边界

小米 5 Pro 的官方产品页把 AI 三摄、双摄 3D 避障、200 多种障碍物识别和 47 种污渍识别列为功能，并说明识别效果会受居家环境和障碍物大小影响。3

官方 FAQ 写得更具体：黑色或高反光表面、透明物体、小桌子或椅子腿、低矮物体和传感器盲区，都可能降低识别效果；窗帘、半开的门等软障碍物出现减速后轻微触碰，也可能被视为正常现象。官方建议用户收好线缆和易碎物品，并在米家 App 中设置虚拟墙或禁区。4

这两页材料不能直接判定本案责任，却能帮助读者看懂争议的落点：产品宣传给出的是识别能力和使用场景，FAQ 同时保留了高反光、透明、低矮物体和盲区等失败条件。案件要回答的不是「机器人有没有 AI」，而是涉案家具、光线、摆放和运行路径是否落入产品应当防止的风险，消费者是否按说明完成了必要防护，以及售后工单记录的故障是否足以解释损坏。

法律上的起点也不是「家具很贵所以一定赔」。民法典第一千二百零二条规定，因产品存在缺陷造成他人损害，生产者承担侵权责任；第一千二百零三条允许被侵权人向生产者或者销售者请求赔偿，之后再按缺陷来源追偿。5

接下来最有价值的证据有四类：售后工单的完整内容和检测条件，机器日志及固件版本，家具划痕与机器运行轨迹的对应关系，以及维修报价是否针对可修复损伤而不是直接换新。9 月 15 日的开庭安排，比「百万家具」这个传播标题更能决定这条热点的下一步信息量。

知乎公开可见回答：受限版，非实时全量最高赞前三

知乎热榜字段显示该问题有 109 个回答。问答接口本次只返回 5 条记录，并按更新时间返回；其中一条显示 21 个赞同，其余多为 0，不能恢复实时全量点赞前三。以下是当前公开可见的 3 条代表性片段，不等同于最高赞前三：

天地广阔任我飞扬的回答先把事件分成「报道可能失实」和「机器确有问题」两种情形，再追问高价家具、使用场景与索赔之间的关系。这个片段代表了对事实完整性的质疑，但没有提供新的检测材料。
明天又是新的一天的回答把争议集中到损害后果和责任比例，认为高价值物品与普通家用机器人之间需要重新评估风险。这个观点提醒读者关注可预见损失，却不能替代法律认定。
DIO xiong 的回答把讨论落在「贵重家具是否适合交给普通家用设备」上，反映的是消费者的风险分配直觉，而不是本案的证据结论。

2. 柯洁说「装弱智」：这更像模型鲁棒性测试，不是围棋棋力翻盘

8 月 19 日，一段柯洁直播片段在网上传播。腾讯新闻转述，柯洁把方法概括为先下出一路、二路爬行、自填眼位等明显违背棋理的棋，诱导 AI 误判自己大优，再寻找机会攻击 AI 的大块棋；报道还转述他提到日本棋手芝野龙之介曾在受让九子的条件下击败顶尖围棋 AI。6

「让 AI 九子也能赢」目前是直播和媒体转述里的说法。当前热榜标题本身只能证明这个说法进入了知乎热榜，X 上的具体帖子只能证明它在 8 月 19 日被传播，不能证明某个固定 AI 版本已经被重复击败。7

这件事的学术前史反而更扎实。2022 年首次提交、2023 年修订的论文《Adversarial Policies Beat Superhuman Go AIs》针对 KataGo 训练了一套专门的对抗策略。论文报告，这套策略在超人类设置下对 KataGo 的胜率超过 97%，而且人类棋手可以理解并执行这种策略。攻击者赢棋的方式不是棋力超过 KataGo，而是诱导 KataGo 做出严重失误。8

这里的关键不在「AI 只会模仿人类棋谱」这句流行解释。论文真正展示的是：一个被固定住的棋力很强的系统，在面对专门寻找其弱点的策略时，可能把局面判断推向错误方向。对抗策略利用的是模型、搜索过程和对手行为之间的组合缺口；它说明「超人类」是某个评测条件下的能力，不是对所有异常输入都稳健。

这也解释了为什么「装弱智」不能简单翻译成「人类重新赢回围棋」。正式比赛里，棋手需要面对对手的规则、时间和版本；如果 AI 更新搜索深度、加入针对性训练，或者换一个模型，原来的攻击路径可能失效。真正值得复现的测试至少要固定四项：AI 名称和版本，是否开启长搜索，棋盘让子条件，以及攻击策略在多局中的胜率。只展示一盘直播棋，无法完成这张账。

未来几天的观察点是各家围棋程序会不会公开针对这类对抗策略的修复，以及同一策略能否跨 KataGo、Leela Zero 等系统迁移。若只有旧论文和一段直播被重复转发，热点的新增信息仍然停留在「模型会被分布外行为诱导」；若不同版本在统一设置下仍持续失败，问题才从趣闻变成可复现的鲁棒性缺口。

知乎公开可见回答：受限版，非实时全量最高赞前三

知乎热榜字段显示该问题有 60 个回答。问答接口只返回 5 条公开记录，当前排序按更新时间，赞同数均为 0，因此以下内容是受限版代表性片段，不等同于实时全量最高赞前三：

倪静风的回答认为长期与同一个 AI 对弈可能发现漏洞，但不同 AI 的漏洞未必相同，模型也可能通过重新训练修复。这个片段抓住了「固定系统、长期探测」的条件。
feisfw liu 的回答指出传播中的方法与日本棋手研究有关，并把异常落子解释为超出既有对局分布。这个解释方向接近对抗性输入，但「没有真正理解围棋」仍是回答者的推断。
湖里的回答追问这种偏门招法为什么没有更早被发现，提醒读者区分「某个程序在特定设置下失败」与「所有围棋 AI 都有同一个漏洞」。

3. 芬兰 8 年研究：统计上更好，不等于多刷屏就能变聪明

这项研究来自芬兰 PANIC 研究的数据，论文 2026 年 5 月 29 日在线发表于 Pediatric Exercise Science，题为《Associations of Physical Activity and Sedentary Time From Childhood to Adolescence With Cognition in Adolescence: The PANIC Study》，DOI 为 10.1123/pes.2025-0083。9 10

研究从芬兰库奥皮奥的儿童开始追踪。基线邀请了 736 名 6—9 岁儿童，506 人进入基线分析；8 年后有 277 名青少年参加，最终 260 人同时拥有有效的自报屏幕时间和认知数据，平均年龄约 15.8 岁。屏幕时间在基线、2 年和 8 年随访时通过家长或青少年问卷记录，内容包括电视和视频、电脑、电子游戏、手机和手机游戏；研究人员在 8 年随访时用 CogState 测试评估反应速度、注意力、工作记忆和综合认知。9

结果是反直觉的：累计自报屏幕时间越多，与工作记忆任务反应更快、总体认知分数更高相关。论文报告的标准化回归系数包括工作记忆反应时间 β = −0.194，以及总体认知 β = 0.187；负的反应时间系数表示反应更快，正的总体认知系数表示得分更高。9

但研究测到的是「这些事情一起出现」，不是「屏幕导致认知变好」。研究者没有把屏幕内容充分拆成学习、阅读、游戏、社交和短视频，也没有用设备直接记录屏幕时间；设备主要测量身体活动和久坐。认知测试只在 8 年随访时进行，基线 506 人到最终 260 人的流失也可能带来选择偏差。于韦斯屈莱大学的研究说明明确提醒，屏幕使用内容和情境可能比总时长更重要，后续需要干预研究检验因果关系。11

所以，家长从这项研究里得到的可用信息不是「放开刷手机」，而是要把问题问得更具体：孩子在屏幕上做什么，是否挤占睡眠和运动，是否影响面对面交流，关掉设备后能否回到正常活动。论文支持的是一个需要进一步拆分的关联；它没有给出每天多看多少分钟就会获得认知收益的处方。

微信公众号里已经出现多篇中文转述，有的把标题写成「孩子多看屏幕反而更聪明」，有的明确提醒「相关不等于越多越聪明」。这些文章能说明话题正在扩散，但核心数字和研究边界仍应回到论文与两所大学的说明，不把二次解读当作独立复现。12

未来最值得看的证据是按屏幕活动内容、设备记录和睡眠运动变量分层的研究，以及把「增加某类屏幕活动」作为干预的试验。只有这些研究能够把「一起出现」推进到「改变其中一项后，另一项是否跟着改变」。