早在上世紀 60 年代，就已經有人開始對圍棋的電腦程式進行研究。當時還在威斯康辛大學麥迪遜分校讀計算機博士的Albert Zobrist引入了影響函數（influential function），為棋盤的每個空位計算數值，從而劃分黑白領域並為每個子的影響力打分。
圖丨w：白子影響函數；b：黑子影響函數；m：相互影響函數
1972 年，密西根大學的Walter Reitman 和 Bruce Wilcox開始把人工智慧研究應用於圍棋。
從上世紀 80 年代末起，中國科學家也在相關領域做過一些工作，其中影響力最大的是陳志行和他的圍棋程序「手談」。從 1994 年到 1997 年，「手談」在兩個重要的國際計算機圍棋比賽應氏杯和 FOST 杯中共獲得了六個冠軍。
進入 21 世紀後，機器學習技術和蒙特卡羅樹搜索等方法開始被大量引入圍棋程序中，也讓圍棋人工智慧出現了飛躍。
2004 年，法國的B Bouzy 和 B Helmstetter發表論文，在評估某個行棋位置的時候，他們讓自己的蒙特卡羅圍棋程序隨機選取一些點，並以此為基礎完成一定數量的棋局，從而計算某個點引發的棋局最終結果的平均分數。
圖丨蒙特卡羅樹搜索
在此基礎上，法國計算機科學家 Rémi Coulom 開發出了圍棋程序 Crazy Stone。2008 年，Crazy Stone 在被讓 8 子的情況下戰勝了職業棋手青葉燻四段——這是計算機首次在讓 9 子之內戰勝職業棋手。
在那時，Rémi Coulom 也曾經指導了一名臺灣師範大學的博士生，他叫做黃士傑。他從小學習圍棋，屬於圍棋業餘六段選手，還曾在臺灣師大讀書期間創辦過圍棋社，並獲得大專杯圍棋賽冠軍。
圖丨黃士傑的博士論文
在讀碩士期間，黃士傑就將圍棋定為他的研究課題。為了寫程序，黃士傑有時在實驗室一待就是十幾個小時。他甚至還為了延續自己的研發成果而推遲兩年畢業，最終，功夫不負苦心人，他設計的程序不僅獲得了 19 路電腦圍棋金牌，更是擊敗了當時最強的圍棋程序 Zen。
在當時，這名計算機專業博士提出了一些新的蒙特卡羅樹搜索的啟發式算法，包括應用了模擬平衡算法（Simulation Balancing）和時間控制方法，極大地提升了程序的棋力。黃士傑用自己妻子的英文名 ERICA 給程序命名。
不過，這些程序都沒有達到職業水準。性能最好的 Crazy Stone 和 Zen 也只達到了業餘 5 段的水平。在那個時候，圍棋界一般認為，計算機戰勝職業圍棋選手的那天還遠遠沒有到來。
圖丨圍棋程序Crazy Stone
2012 年，在加拿大阿爾伯塔大學做了一年博士後研究員後，黃士傑加入了英國的人工智慧創業公司 DeepMind。當時 DeepMind 創建剛剛兩年，創始人是Demis Hassabis，Shane Legg 和 Mustafa Suleyman，早期投資人包括 Elon Musk、Peter Thiel 的 Founders Fund、以及李嘉誠的 Horizons Ventures。
2014 年 1 月，谷歌以 5 億美元的價格收購 DeepMind，那時的 DeepMind 尚未發布任何一個產品，只有一篇還沒有發表的論文。當時，黃士傑名列公司內兩位首席工程師之一。
DeepMind 早期希望通過機器學習和系統神經生物學理解智能。2014 年 10 月，公司發布了一款原型產品，可以讓計算機模擬人類大腦的短期記憶功能。
圖丨Demis Hassabis、David Silver和黃士傑
2014 年，DeepMind 組建了 AlphaGo 項目，用來檢測使用了深度學習的神經網絡能否應用於圍棋。公司的科學家通過增強學習讓 AlphaGo 自己下了數千盤棋，矯正模型。
隨後，AlphaGo 又與 Crazy Stone、Zen 等圍棋程序下了 495 盤棋，只輸了 1 盤。為了增加難度，AlphaGo 又與 Crazy Stone，Zen 和 Pachi 下了讓四子棋，勝率分別為 77%、86%和99%。
2015 年 10 月，AlphaGo 隨後以 5：0 的比分完勝歐洲冠軍樊麾二段，這是電腦程式第一次在正式比賽中戰勝人類職業選手。
圖丨AlphaGo完勝樊麾二段
2016 年 3 月，AlphaGo 在普遍不被看好的情況下以 4：1 的比分戰勝了 18 次世界冠軍李世石九段。這標誌著計算機已經足以戰勝頂尖的人類圍棋選手，象徵意義可以媲美 19 年前「深藍」戰勝西洋棋大師卡斯帕羅夫。賽後，韓國棋院授予 AlphaGo 名譽九段證書，《科學》雜誌將之評為 2016 年十大突破之一。
在 2016 年 2 月，DeepMind 在《自然》雜誌上發表了一篇文章，介紹了自己的研究方法。他們在論文中表示，研究團隊使用監督學習的方法研究人類專家的棋局，同時也使用增強學習的技術讓 AlphaGo 自己和自己下棋。
5 月 23 日，中國·烏鎮圍棋峰會的人機圍棋大戰打響。最終，AlphaGo 三勝柯潔，也毫無懸念地戰勝了 5 位世界冠軍組成的聯隊。賽後，AlphaGo 獲得了中國棋院頒發的九段證書。至此，在圍棋領域，人機對戰的勝負不再有懸念。
實際上，為了這一天的到來，人工智慧圍棋學界實際上已經努力了將近半個世紀。
但毫無疑問的是，回看整個圍棋人工智慧發展史中，黃士傑的出現以及他之後的貢獻是最重要的轉折點之一。不僅是圍棋人工智慧技術的重要奠基者、AlphaGo 的幕後推手，他都直接參與「腦」的研發設計，甚至還作為「手」替 AlphaGo 在對弈中執子。
不論是在剛剛結束的烏鎮人機大戰中，還是去年在韓國首爾對陣李世石，我們都會留意到黃士傑非常「淡定」的坐著，儘量不去做落子之外的任何多餘動作。
李世石曾回憶道，黃士傑擔心他受影響，對弈期間面不改色，整個過程中就喝了一口水，甚至連一次洗手間都沒去過。黃士傑作為業餘六段的棋手，或許是在代替AlphaGo向對手表達應有尊重。
近日，DT君有幸對這位通常十分低調的人工智慧學者進行一次獨家專訪。這次的問答沒有太多談及技術，但有不少細節十分值得閱讀。
圖 | 黃士傑博士
問：能具體描述一下身為「AlphaGo之手」是一種什麼樣的感受？
黃士傑：AlphaGo 是 DeepMind 團隊努力不懈的成果，我有一種很強的責任感，絕對不能犯錯，因此對局時我始終努力保持冷靜。能跟頂尖棋手們面對面下棋我也感到無比的榮幸。
問：您個人更希望機器贏還是人類棋手贏？柯潔和李世石都曾坐在您的對面下圍棋，兩人給你的不同感受是？
黃士傑：作為 AlphaGo 團隊的一員，我當然是站在 AlphaGo 這一邊。不過李世石九段靠著「神之一手」贏下了第四局，我衷心為他感到高興，因為在比賽過程中，我感覺到他承受著極大的壓力。柯潔九段跟我都說中文，我們在對局前後都有簡短的交流，因此跟他對局我感到比較親切。
圖 | AlphaGo對戰李世石（上圖） & AlphaGo對戰柯潔（下圖）都由黃士傑博士執子
問：當初為什麼同意加入AlphaGo項目？是什麼吸引了您？
黃士傑：我熱愛圍棋，我在博士班期間所開發的圍棋程序 Erica 甚至是以我太太的英文名字所命名的。其實，Demis Hassabis（DeepMind創始人）與David Silver（AlphaGo項目負責人）在項目開始的時候，動機比我更強烈，我們三個人也就成為了 AlphaGo 的創始團隊。
問：在研發AlphaGo的過程中印象最深刻的一件事情是？
黃士傑：研發 AlphaGo 讓我印象最深刻的始終是 AlphaGo 不停止的進步，我們團隊是在把科學的力量發揮的淋漓盡致。也因此我也清楚的認識到圍棋的深奧，圍棋遠遠的難於我原本所想像的。
（圖片由谷歌官方提供）
問：在不久前的烏鎮圍棋峰會團體賽中，有一個小插曲，當時棋手周睿羊起身應該是去洗手間，而為AlphaGo執棋的您露出了「迷之微笑」，請問當時您在想什麼？
黃士傑：團體賽的氣氛是比較輕鬆的，我也可以清楚的聽到五位棋手在討論什麼。周睿羊九段所提出的下法似乎常常被其他四位棋手反駁，我覺得十分有趣，所以周九段起身時，我們互看了一眼，很有默契的互相微笑了一下。
問：對於很多人來說，AlphaGo宣布不再參加比賽是非常遺憾的，您怎麼看待？
黃士傑：我覺得 AlphaGo 在圍棋項目的歷史性任務已經完成了。AlphaGo 不但幫助了圍棋界在圍棋技術上的突破，也促進了計算機圍棋界與 AI 領域的進步。
未來，其他的圍棋程序可以站在我們所公布的 AlphaGo 論文基礎上繼續研發，普及圍棋並探索圍棋的真理。所以我並不覺得遺憾。
（圖片由谷歌官方提供）
問：一個充滿腦洞的說法是，您已經是AlphaGo本人了，那麼，您如何證明自己是黃博士而不是AlphaGo呢？
黃士傑：比賽中我不是微笑了嗎？ AlphaGo 是沒有感情的，我會笑就證明我不是 AlphaGo（迷之微笑）。
圖 | 黃士傑博士（右）與浙江省圍棋協會秘書長盧俊和（左）
問：據說，AlphaGo的研發團隊中僅有您一人會下圍棋，這樣的人員配置其實挺有意思的，DeepMind為何如此設置？
黃士傑：事實上，Demis Hassabis（DeepMind創始人）與David Silver（AlphaGo項目負責人）都會下圍棋，棋力大約都是業餘初段。Demis 與David 在1997年深藍（Deep Blue）打敗西洋棋王之後，就夢想著一起研發出超級圍棋 AI，DeepMind 被 Google 收購之後，我們三個人對計算機圍棋與圍棋的熱情，促使了 AlphaGo 項目的誕生。
我雖然在團隊中的棋力是最強的，但是研發人員的棋力並不是研發 AlphaGo 的必要條件，這也證明了 AlphaGo 的技術具備了很強的通用性，即使是圍棋初學者也可以根據我們的論文打造出自己的 AlphaGo。