關于AlphaGo及團隊

總的來說我們有18版軟件。在和樊麾的比賽后，AlphaGo繼續進步了很多。如果李世石和樊麾下100盤，有可能贏98盤。而AlphaGo對陣李世石九段也有機會。至于進步了多少暫時保密，但賽后會公開的。自己是昨日來韓，論文第一作者大衛和黃世杰也是昨天來的。但團隊已來了快10天，主要是在籌備組織，畢竟是個大事件。兩位工程師在測試網絡。

關于比賽規則

比賽將使用中國圍棋規則，因為數子的規則對電腦來說更容易理解。按李世石的要求每方2小時3次1分鐘讀秒的用時。

關于對手和場地

選擇韓國因為李世石是十年來的圍棋傳奇，所以在他的家鄉比賽。我們也知道還有其他高手，沒準下次會和柯潔在中國比賽。

關于初衷

我20年前學棋，其他人可能更早。我們都對深藍人機大戰印象深刻，認為如果能在圍棋上成功將會很驚人。所以2年前我們開始研究人工智能圍棋的自我學習。

關于國際象棋和圍棋的區別

圍棋是一種更依靠直覺的棋類，而國際象棋大部分情況下依靠的是計算。圍棋雖然也需要一定的計算，但我認為，圍棋棋手實力越強，比賽中的直覺就越準確。我昨天和李世石聊過這點，他也有類似的看法。

圍棋更注重直覺判斷，因此難度比國象更高，但也讓研發圍棋程序更有意思。讓機器復制人類思維還很困難。機器速度很快，擅長計算，但傳統機器在直覺方面的表現并不算好。

關于棋界對AlphaGo的討論

(有的棋手認為AlphaGo無法理解圍棋)很有趣，我覺得有這種想法的原因是我們很難解釋機器那里發生了什么，AlphaGo也無法解釋自己怎樣思考。比賽結束之后或許會研究它的決策機制。

我覺得AlphaGo進入其他領域應該也會有類似的討論。論文在《自然》上發表后，AI界和圍棋編程界都感到驚訝，因為他們原本以為程序能夠達到返回的水平還要10年時間。實際上，今年以來，DeepMind發表的論文在其他任何領域里，都是計算機科學論文下載量的前三。

關于AlphaGo對圍棋界產生的影響

年輕時我下了很長時間國際象棋，圍棋比國象變化更復雜，讓機器來學習會更有趣。自己是在劍橋學的圍棋，但只有業余1段，我沒和AlphaGo下過，因為自己棋力低，AlphaGo進步太快了。不過我和其他電腦圍棋下過，很有趣。AlphaGo目前正式人機大戰對手只有樊麾和李世石。樊麾曾說對陣AlphaGo感覺對面是一堵墻，因為無法感受到對手的心理波動吧。隨著比賽的進行，對他自己也是有提高的。AlphaGo以后也有可能會公開，有助于其他人進步。

關于人工智能的未來

很多人都在研究人工智能，我們希望能提高對人工智能的理解，試圖去了解人類學習的機理。這個系統應該像大腦一樣，理論上可以模仿聰明腦瓜，用來學習各種東西。現在來說還早，但我們項目技術將可以應用到很多領域。我們的研究很獨特，可以進行長期或短期研究，不同研究還可以有機結合在一起，很靈活。甚至將來有可能幫助利物浦隊挑選球員(笑)。5年后人工智能會變得更加智能，深入到生活方方面面。