经过与黄士杰博士的反复确认，并结合所搜集的信息，我们对前日所发表的文章《独家专访“AlphaGo之手”黄士杰：机器是没有感情的，而我会微笑 : )》中的部分信息作出更正，更正部分用
红色字体
标出，望读者知悉。
早在上世纪 60 年代，就已经有人开始对围棋的计算机程序进行研究。当时还在威斯康辛大学麦迪逊分校读计算机博士的
Albert Zobrist
引入了
影响函数（influential function）
，为棋盘的每个空位计算数值，从而划分黑白领域并为每个子的影响力打分。
![]()
图丨
w：白子影响函数；b：黑子影响函数；m：相互影响函数
1972 年，密歇根大学的
Walter Reitman 和 Bruce Wilcox
开始把人工智能研究应用于围棋。
从上世纪 80 年代末起，中国科学家也在相关领域做过一些工作，其中影响力最大的是
陈志行和他的围棋程序“手谈”。
从 1994 年到 1997 年，“手谈”在两个重要的国际计算机围棋比赛应氏杯和 FOST 杯中共获得了六个冠军。
进入 21 世纪后，
机器学习技术和蒙特卡罗树搜索
等
方法开始被大量引入围棋程序中，也让围棋人工智能出现了飞跃。
2004 年，法国的
B Bouzy 和 B Helmstetter
发表论文，在评估某个行棋位置的时候，他们让自己的蒙特卡罗围棋程序随机选取一些点，并以此为基础完成一定数量的棋局，从而计算某个点引发的棋局最终结果的平均分数。
图丨
蒙特卡罗树搜索
在此基础上，法国计算机科学家 Rémi Coulom 开发
出了
围棋程序 Crazy Stone。
2008 年，Crazy Stone 在被让 8 子的情况下战胜了职业棋手青叶
熏四段——
这是计算机首次在让 9 子之内战胜职业棋手。
在那时，Rémi Coulom 也曾经指导了一名台湾师范大学的博士生，他叫做黄士杰。他从小学习围棋，属于围棋业余六段选手，
还曾在台湾师大读书期间创办过围棋社，并获得大专杯围棋赛低段组冠军。”即1-3段组的个人赛冠军。
图丨
黄士杰的博士论文
在读硕士期间，黄士杰就将围棋定为他的研究课题。
黄士杰博士表示，一般会回家工作到半夜。黄博士在前三年跟随台湾师大的指导教授研究计算机象棋，第四年才投入到计算机围棋，第五年开始接受法国 Remi Coulom 的指导才有了重大突破。那时黄博士与 Remi 的目标是击败日本的围棋程序 Zen，后来也的确做到了。
Simulation Balancing 其实正是由 AlphaGo 负责人 David Silver 提出来的，黄士杰博士在程序中将这种算法做了实际测试，并证明有效。也正因如此，黄博士才和 David Silver 通过电子邮件有了第一次接触。
不过，这些程序都没有达到职业水准。
性能最好的 Crazy Stone 和 Zen 也只达到了业余 5 段的水平。
在那个时候，围棋界一般认为，计算机战胜职业围棋选手的那天还远远没有到来。
图丨围棋程序Crazy Stone
2012 年，在加拿大阿尔伯塔大学做了一年博士后研
究员后，
黄士杰加入了英国的人工智能创业公司 DeepMind。
当时 DeepMind 创建刚刚两年，创始
人是Demis Hassabis，Shane Legg 和 Mustafa Suleyman，早期投资人包括 Elon Musk、Peter Thiel 的 Founders Fund、以及李嘉诚的 Horizons Ventures。
2014 年 1 月，谷歌以 5 亿美元的价格收购 DeepMind，那时的 DeepMind 尚未发布任何一个产品，只有一篇还没有发表的论文。
黄士杰博士在
DeepMind的
研究部门担任
AlphaGo 团队首席程序员。
DeepMind 早期希望通过机器学习和系统神经生物学理解智能。2014 年 10 月，公司发布了一款原型产品，可以让计算机模拟人类大脑的短期记忆功能。
图丨
Demis Hassabis、David Silver和黄士杰
2014 年，DeepMind 组建了 AlphaGo 项目，用来检测使用了深度学习的神经网络能否应用于围棋。公司的科学家通过增强学习让 AlphaGo 自己下了数千盘棋，矫正模型。
随后，AlphaGo 又与 Crazy Stone、Zen 等围棋程序下了 495 盘棋，只输了 1 盘。为了增加难度，AlphaGo 又与 Crazy Stone，Zen 和 Pachi 下了让四子棋，胜率分别为 77%、86%和99%。
20
15 年 10 月，AlphaGo 随后以 5：0 的比分完胜欧洲冠军樊麾二段，
这是计算机程序第一次在正式比赛中战胜人类职业选手。
图丨AlphaGo完胜樊麾二段
2016 年 3 月，AlphaGo 在普遍不被看好的情况下以 4：1 的比分战胜了 18 次世界冠军李世石九段。这标志着计算机已经足以战胜顶尖的人类围棋选手，象征意义可以媲美 19 年前“深蓝”战胜国际象棋大师卡斯帕罗夫。
赛后，韩国棋院授予 AlphaGo 名誉九段证书，《科学》杂志将之评为 2016 年十大突破之一。
在 2016 年 2 月， DeepMind 在《自然》杂志上发表了一篇文章，介绍了自己的研究方法。他们在论文中表示，研究团队使用监督学习的方法研究人类专家的棋局，同时也使用增强学习的技术让 AlphaGo 自己和自己下棋。
5 月 23 日，中国·乌镇围棋峰会的人机围棋大战打响。最终，AlphaGo 三胜柯洁，也毫无悬念地战胜了 5 位世界冠军组成的联队。赛后，AlphaGo 获得了中国棋院颁发的九段证书。至此，在围棋领域，人机对战的胜负不再有悬念。
实际上，为了这一天的到
来，
人工智能围棋学界实际上已经努力了将近半个世纪。
但毫无疑问的是，
回看整个围棋人工智能发展史中，黄士杰的出现以及他之后的贡献是最重要的转折点之一。
不仅是围棋人工智能技术的重要奠基者、AlphaGo 的幕后推手，他都直接参与“脑”的研发设计，甚至还作为“手”替 AlphaGo 在对弈中执子。
不论是在刚刚结束的乌镇人机大战中，还是去年在韩国首尔对阵李世石，我们都会留意到黄士杰非常“淡定”的坐
着，
尽量不去做落子之外的任何多余动作。
李世石曾回忆道，黄士杰担心他受影响，对弈期间面不改色，整个过程中就喝了一口水，甚至连一次洗手间都没去过。
黄士杰作为业余六段的棋手，或许是在代替AlphaGo向对手表达应有尊重。
近日，DT君有幸对这位通常十分低调的人工智能学者进行一次独家专访。这次的问答没有太多谈及技术，但有不少细节十分值得阅读。
图 | 黄士杰博士
问：能具体描述一下身为“AlphaGo之手”是一种什么样的感受？
黄士杰：AlphaGo 是 DeepMind 团队努力不懈的成果，我有一种很强的责任感，绝对不能犯错，因此对局时我始终努力保持冷静。能跟顶尖棋手们面对面下棋我也感到无比的荣幸。
问：您个人更希望机器赢还是人类棋手赢？柯洁和李世石都曾坐在您的对面下围棋，两人给你的不同感受是？
黄士杰：作为 AlphaGo 团队的一员，我当然是站在 AlphaGo 这一边。不过李世石九段靠着「神之一手」赢下了第四局，我衷心为他感到高兴，因为在比赛过程中，我感觉到他承受着极大的压力。柯洁九段跟我都说中文，我们在对局前后都有简短的交流，因此跟他对局我感到比较亲切。
图 | AlphaGo对战李世石（上图） & AlphaGo对战柯洁（下图）都由黄士杰博士执子
问：当初为什么同意加入AlphaGo项目？是什么吸引了您？
黄士杰：我热爱围棋，我在博士班期间所开发的围棋程序 Erica 甚至是以我太太的英文名字所命名的。其实，Demis Hassabis（DeepMind创始人）与David Silver（AlphaGo项目负责人）在项目开始的时候，动机比我更强烈，我们三个人也就成为了 AlphaGo 的创始团队。
问：在研发AlphaGo的过程中印象最深刻的一件事情是？
