2016 年 1 月，DeepMind 团队在世界知名学术期刊上发表 AlphaGo 的论文，署名第一行是：大卫·席尔瓦。这位与英超球星同名的计算机科学家，是那支击败李世石的团队的公开署名第一作者，而他的围棋 AI 研究按公开论文算起，比 AlphaGo 早了不止十年。这篇按公开论文与公开履历梳理：他从哪里来，AlphaGo 论文里的署名位置意味着什么，以及此后 AlphaZero 等后续工作的公开脉络。
从游戏行业到阿尔伯塔的博士
按公开履历，席尔瓦本科毕业于剑桥大学，早年在游戏行业工作多年，参与过商业游戏的开发，其间与后来创办 DeepMind 的哈萨比斯有过共事的公开记录；2009 年，他在加拿大阿尔伯塔大学完成博士，导师是强化学习领域的代表学者萨顿，DeepMind 的背景与来路见哈萨比斯人物篇。这段经历给他留下了两条公开可见的底子：一条是强化学习的方法论，另一条是把方法用在真实游戏上的工程习惯。
围棋程序论文与十年积累
围棋长年被视为最难攻克的棋类之一：棋盘交叉点多，分支因素远超国际象棋，靠手工规则的程序与人类顶尖水平差距明显。席尔瓦在围棋上的公开论文积累有清晰的时间线：2008 年前后，他与合作者发表的论文把蒙特卡洛树搜索与强化学习结合，公开报告在九路棋盘上达到较高的业余水平；此后多年他持续发表围棋与强化学习的相关论文。蒙特卡洛树搜索是当年围棋程序的主流方法，公开综述文献里有系统梳理。这些积累发生在 AlphaGo 之前，铺垫了后来把深度网络接上搜索的做法——DeepMind 另一条用深度网络直接学打游戏的线，见DQN一篇。
AlphaGo 论文里的公开署名
2016 年 1 月公开的 AlphaGo 论文，署名作者十几人，席尔瓦是第一作者；论文公开后两个多月，AlphaGo 在首尔以四比一战胜李世石，见AlphaGo 首尔五局一篇；同年对局的第二局里那步被解说席称作第 37 手的落子，成为 AI 对弈史上的公开名场面，见AlphaGo 第 37 手一篇。第一作者的署名在论文惯例里意味着主要执笔与首要责任，而公开访谈里的分工描述显示，他是这个项目对外表述的主要代言人之一——项目的整体组织，则属于 DeepMind 的团队协作。
署名席尔瓦的后续论文还在继续：2017 年 10 月公开的 AlphaGo Zero 论文，署名同样由他领衔，这一版完全不用人类棋谱，从随机落子开始自我对弈；2018 年发表的 AlphaZero 论文把同样的方法推广到国际象棋与将棋，自学三天左右即可在公开对局口径下超过当时的一流引擎，见AlphaZero 三天从零自学国际象棋一篇。
AlphaZero 之后的研究路线
AlphaZero 之后，团队的公开产出沿着「少给先验」的方向继续走：2020 年发表的 MuZero 论文进一步连环境规则都不预先给全，让模型在交互中自己学出环境模型，席尔瓦在作者名单中列资深位置；同期他在伦敦大学学院任教，强化学习课程的课件公开流传，是许多学生入行强化学习的参考材料。从 2008 年的九路围棋论文算起，到 AlphaZero 与 MuZero，他的公开论文时间线与围棋 AI 从人写规则走向自我对弈的整个转向重合。
席尔瓦围棋 AI 节点速查
- 2009 年：阿尔伯塔大学博士毕业（公开履历口径）
- 2008 年前后：与合作者发表围棋程序论文，蒙特卡洛树搜索加强化学习
- 2016 年 1 月：AlphaGo 论文公开，署名第一作者；3 月首尔四比一胜李世石
- 2017 年：AlphaGo 对弈项目公开宣布退役；AlphaGo Zero 论文公开，不用人类棋谱
- 2018 年：AlphaZero 论文发表，推广到国际象棋与将棋
- 2020 年：MuZero 论文发表，连环境规则一起学习
二十年围棋 AI 路留下的方法论
把席尔瓦的公开论文时间线摆成一列，能看到围棋 AI 这二十多年的完整转向：早期程序把人类棋谱当老师，AlphaGo 把棋谱和自我对弈混着用，AlphaGo Zero 干脆只学规则，棋谱知识被公开实验证明可以省略。这条脉络对今天的使用者也有参照价值——大模型训练里按人类反馈调优的环节，与自我对弈同属强化学习工具箱里的公开方法，你用豆包改一稿文案、让 Kimi 梳理一份会议纪要，回答质量的打磨里都有这类方法的公开应用记录。
| 论文版本 | 人类棋谱的使用 | 学习起点 | 推广范围 |
|---|---|---|---|
| AlphaGo | 棋谱与自我对弈混着用 | 以人类对局数据为参照 | 十九路围棋 |
| AlphaGo Zero | 完全不用 | 从随机落子开始自我对弈 | 十九路围棋 |
| AlphaZero | 完全不用 | 自学三天左右 | 国际象棋与将棋 |
| MuZero | 完全不用 | 交互中自己学出环境模型 | 环境规则也不预先给全 |
另一个参照是节奏。2008 年的论文离冠军级围棋还很远，中间那些年的公开进展逐层叠加：更好的搜索、更深的网络、更聪明的结合方式。今天你用 DeepSeek 起草一份方案，得到的输出同样是这种长期叠加的结果——技术史里很少有一步到位，多数跃进往前数都能数出一串公开可查的台阶。
关于大卫·席尔瓦的常见疑问
- 他和同名的足球运动员是同一个人吗？：不是。本文写的是计算机科学家大卫·席尔瓦，DeepMind 研究者、AlphaGo 论文第一作者；与那位西班牙足球运动员同名，两人分属完全不同的领域。
- AlphaGo 是他一个人做出来的吗？：公开论文署名十几位作者，第一作者席尔瓦，项目由 DeepMind 团队协作完成；他在公开表达里是团队的主要代言人之一。
- AlphaGo 之后他还在做围棋吗？：公开记录里，AlphaGo 对弈项目于 2017 年宣布退役，他的研究沿 AlphaGo Zero、AlphaZero、MuZero 等方向继续，围棋之外扩展到通用决策问题，具体以公开论文为准。
