关于AlphaGo及团队
AlphaGo一直在自我对局，即使是相同版本，对局中也会出现不同招法，因为是根据蒙特卡洛搜索树采取策略，会形成非常有趣的棋谱。总的来说我们有18版软件。在和樊麾的比赛后，AlphaGo继续进步了很多。如果李世石和樊麾下100盘，有可能赢98盘。而AlphaGo对阵李世石九段也有机会。至于进步了多少暂时保密，但赛后会公开的。自己是昨日来韩，论文第一作者大卫和黄世杰也是昨天来的。但团队已来了快10天，主要是在筹备组织，毕竟是个大事件。两位工程师在测试网络。
关于比赛规则
比赛将使用中国围棋规则，因为数子的规则对电脑来说更容易理解。按李世石的要求每方2小时3次1分钟读秒的用时。
关于对手和场地
选择韩国因为李世石是十年来的围棋传奇，所以在他的家乡比赛。我们也知道还有其他高手，没准下次会和柯洁在中国比赛。
关于初衷
我20年前学棋，其他人可能更早。我们都对深蓝人机大战印象深刻，认为如果能在围棋上成功将会很惊人。所以2年前我们开始研究人工智能围棋的自我学习。
关于国际象棋和围棋的区别
围棋是一种更依靠直觉的棋类，而国际象棋大部分情况下依靠的是计算。围棋虽然也需要一定的计算，但我认为，围棋棋手实力越强，比赛中的直觉就越准确。我昨天和李世石聊过这点，他也有类似的看法。
围棋更注重直觉判断，因此难度比国象更高，但也让研发围棋程序更有意思。让机器复制人类思维还很困难。机器速度很快，擅长计算，但传统机器在直觉方面的表现并不算好。
关于棋界对AlphaGo的讨论
(有的棋手认为AlphaGo无法理解围棋)很有趣，我觉得有这种想法的原因是我们很难解释机器那里发生了什么，AlphaGo也无法解释自己怎样思考。比赛结束之后或许会研究它的决策机制。
我觉得AlphaGo进入其他领域应该也会有类似的讨论。论文在《自然》上发表后，AI界和围棋编程界都感到惊讶，因为他们原本以为程序能够达到返回的水平还要10年时间。实际上，今年以来，DeepMind发表的论文在其他任何领域里，都是计算机科学论文下载量的前三。
关于AlphaGo对围棋界产生的影响
年轻时我下了很长时间国际象棋，围棋比国象变化更复杂，让机器来学习会更有趣。自己是在剑桥学的围棋，但只有业余1段，我没和AlphaGo下过，因为自己棋力低，AlphaGo进步太快了。不过我和其他电脑围棋下过，很有趣。AlphaGo目前正式人机大战对手只有樊麾和李世石。樊麾曾说对阵AlphaGo感觉对面是一堵墙，因为无法感受到对手的心理波动吧。随着比赛的进行，对他自己也是有提高的。AlphaGo以后也有可能会公开，有助于其他人进步。
关于人工智能的未来
很多人都在研究人工智能，我们希望能提高对人工智能的理解，试图去了解人类学习的机理。这个系统应该像大脑一样，理论上可以模仿聪明脑瓜，用来学习各种东西。现在来说还早，但我们项目技术将可以应用到很多领域。我们的研究很独特，可以进行长期或短期研究，不同研究还可以有机结合在一起，很灵活。甚至将来有可能帮助利物浦队挑选球员(笑)。5年后人工智能会变得更加智能，深入到生活方方面面。
(周峰 新舟)