AlphaGo 从高调宣战开始到 3 月底战胜李世乭，短短 2 个多月内已经博取了无数的眼球。如今再次出现了一个 Master，它是人？是 AI？还是二者的结合？业内猜疑不断。

外行看热闹，内行看门道。在下棋这件事上我们可能看的是热闹（小编着实不懂棋的套路），但下围棋的人工智能系统我们曾了解过。

在中，atv直播，曾详细地介绍了 AlphaGo 系统当时所采用的技术：

首先 DeepMind 使用了如今火热的深度学习技术，同时还加上了另一种模拟技术来对潜在的步法进行建模。深度学习需要对一个大型的神经网络进行训练，使其对数据中的模式做出反应。

AlphaGo 的关键在于使用的深度神经网络，而且 DeepMind 在 AlphaGo 中使用了两种不同的神经网络：第一种叫做策略网络（policy network），用来预测下一步；第二种叫做价值网络（value network），用来预测棋盘上不同的分布会带来什么不同的结果。

AlphaGo 使用这两种网络的方法是把非常复杂的搜索树减少到可操作的规模。所以，它并不是在每一步都要考虑几百种步数，而只考虑政策网络提供的几十种最有前景的步法，价值网络的作用是减少搜索的深度，所以，它的搜索深度并不是特别深，它并不是一下子搜索出直达比赛末尾的 300 多步，而是搜索更少的步数，比如 20 多步，并评估这些位置，而不是一路评估到底，看谁最终能赢。搜索并不是靠蛮力，而是与某种与想象力很相似的东西。

中写道，「最激动人心的莫过于 AlphaGo 博弈过程中所呈现出来的创造力，有时，它的棋招甚至挑战了古老的围棋智慧。围棋，这一古往今来最富深谋远虑的游戏之一，AlphaGO 可以识别并分享其中洞见。」

就像首位和 AlphaGo 对战的专业选手时表示：「AlphaGo 可能开辟出另外一种围棋的美，是我们想象不到的。」

如果观看了 AlphaGo 和李世乭的对弈，你或许不会对坐在李世乭对面的这位感到陌生。他就是 AlphaGo 的核心作者之一 Aja Huang（黄士杰），而这次代「Master」执子的也是黄士杰博士。值得注意的是，黄士杰还是 DeepMind 中唯一一位围棋高手（业余围棋 6 段），从他的硕博论文《计算机围棋打劫的策略》和《应用于计算机围棋之蒙地卡罗树搜寻法的新启发式算法》便可以看出他对围棋的热爱。

2011 年毕业于台湾师范大学计算机信息工程专业博士班的黄世杰在 2012 年便加入了 DeepMind 团队，也是该团队的早期核心成员之一。

在校期间，黄士杰的导师是曾研发 Crazy Stone 的 Rémi Coulom，而 Crazy Stone 正式在 AlphaGo 横空出世前最有名的围棋软件之一。

黄士杰的导师此前在接受媒体报道时曾透露，黄士杰读硕士时就锁定围棋为他的研究课题，为了写程序，黄士杰有时在实验室一呆就是 16 小时，并将他开发的围棋程序以其老婆的英文名「Erica」命名。

下面是黄士杰的论文引用情况。凭借发表于 Nature 的论文《Mastering the game of Go with deep neural networks and tree search》和另一篇论文《Move Evaluation in Go Using Deep Convolutional Neural Networks》的高引用量，开奖，黄士杰仅凭 4 篇论文就在短短两年时间内获得大约 388 到 851 之间的引用。

　　©本文由机器之心原创，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]