有一天，席尔瓦走到黄士杰面前说：“Aja，我们准备启动一个围棋项目。最开始只有你和我”。2014年2月，AlphaGo项目正式启动，团队三个人：哈萨比斯、席尔瓦、黄士杰。哈萨比斯是整个公司的老板，席尔瓦是黄士杰的经理。所以，这个团队真正干活的只有黄士杰一个人。

AlphaGo项目，就是想搞出一个强大的围棋程序。而且从一开始，这个团队就决定不会尝试所有的方法，他们只有一个方向：沿着深度学习和强化学习的方向探索。也是从一开始，他们就知道这是一个非常困难的挑战。

哈萨比斯说，希望通过AlphaGo的研究，让机器获得直觉和创造力。

而更现实的困难是，与国际象棋相比，围棋的计算空间巨大，而且电脑无法理解一盘棋到底谁获得了胜利。

但他们就这样出发了。

2014年6月-2015年6月

这年夏天，AlphaGo的第一个重要武器出现了。在卷积神经网络的帮助下，AlphaGo学习了很多人类高手的棋谱，能在3毫秒内做出比肩人类的下棋直觉。后来黄士杰给这个武器命名：“策略网络”，并且持续进行训练优化。

这个时候，AlphaGo的训练还是在GPU上完成的。

时间再过一年。2015年6月，AlphaGo拥有了更强大、分布式的搜索技术支持。阅读棋局的能力大幅提升，可以检索多种局面变化，并且找到最佳的应对方式。这个时候的AlphaGo，可以算出后续40-60步棋。

（量子位注：击败柯洁的最新版AlphaGo，也只算到50步棋就停止了。）

当时在相同的硬件条件下，AlphaGo对另一个围棋程序Crazy Stone取得了70%的胜率，换句话说棋力领先了一个子。这个成就让整个DeepMind都很受鼓舞，哈萨比斯这时候对黄士杰说：

“Aja，咱们要组一个团队，你不用再单打独斗了”。

从这时候开始，逐渐有更多的深度学习工程专家加入AlphaGo团队。黄士杰还为新加入的同事办了一个训练班，普及基本的围棋规则。

△ 黄士杰

2015年8月

与此同时，另一个重要的节点已在不远。两个月后，AlphaGo将掌握称霸围棋世界最关键的能力：形势判断。

“事实上，形势判断是围棋过程中最难、最令人头疼的环节，要进行准确的判断，必须具备精确测算双方目数的能力，同时还要兼备综观全局的大势观、挖掘潜在价值的分析能力和推理能力……要下出真正具有水平的围棋，形势判断十分必要。”

上面这段话，来自李昌镐。这位绰号“石佛”的韩国棋手，从1992年夺得第一个世界冠军开始，到2007年为止共获得18次个人冠军、13次团体冠军，开创了“李昌镐时代”。

AlphaGo如何获得形势判断的能力？

解决这个问题的人是席尔瓦。有天他对黄士杰说：“Aja，我有一个主意，我觉得可能会管用”。席尔瓦的主意后来被称为“价值网络”。当时黄士杰对这个主意非常怀疑，他回复说：“能管用么？咱们试试吧。”

价值网络也是一个卷积神经网络，输入是落子位置，输出0-1之间的数字，0代表对手胜利，1代表自己胜利，如果差不多就输出0.5。（量子位注：Google最近公布的数字是-1~1，略有不同）。

总之，AlphaGo通过自我对弈，训练出价值网络，进而可以判断每一手棋背后代表的胜率。这就形成了形势判断的能力。

价值网络的出现，让AlphaGo棋力突飞猛进。与Crazy Stone的对弈中，AlphaGo胜率达到95%，也就是达到让两子的水平。

“当时AlphaGo已经可以碾压我了，我已经感觉到它的强大”黄士杰回忆说。

2015年10月

也是8月，樊麾在参加欧洲围棋大会，回到法国的家中。他收到一封电子邮件，发件人是AlphaGo团队的Maddy。邮件内容非常简单：我们是一家伦敦的公司，希望邀请你来我们公司。也没有更多信息。

樊麾一度认为是垃圾邮件。但鬼使神差，他回了邮件说：“可以呀”。然后他们用Skype进行了在线沟通，席尔瓦当时也参加了，他们给樊麾讲述正在做有趣的项目，也讲述了自己是一家Google收购的公司。

随后樊麾上了DeepMind的官网，确定有这么一家公司，以及公司主页上还提到了围棋的字样。于是他下定决心过去看看。

双方第一次见面是9月底，当他确定自己要跟一个围棋程序对弈时，整个人一下就放松了，心说：“对付一个软件，还不分分钟的事儿”。樊麾当时甚至跟AlphaGo团队表示，他跟AlphaGo的下棋时间，只需要一个小时就够了。

当时黄士杰反复跟樊麾说AlphaGo很厉害。但樊麾根本听不进去。

△ 最后一局樊麾为自己的失误懊恼不已