TellWorldAI 世界档案
问档案English
动态
模型
机构
人物
论文与概念
产品与智能体
芯片与机器人
编年史
专题
问档案English

首页›人物

人物

大卫·席尔瓦（David Silver）

英国计算机科学家，1976 年出生，研究强化学习。他领导了 DeepMind 的 AlphaGo 项目，是 2013 年深度 Q 网络论文的作者之一，2025 年创办 Ineffable Intelligence。

出生 1976

所属机构谷歌 DeepMind（Google DeepMind）阿尔伯塔大学（人工智能研究）

2事件2机构9作品

概况

大卫·席尔瓦（David Silver）1976 年出生，是英国计算机科学家，研究方向为强化学习（reinforcement learning）。[1] 强化学习是机器学习的一个分支：程序不会对每个例子都拿到标准答案，而是自己做出动作、得到奖励信号，再据此调整行为，以便在长期中获得更多奖励。席尔瓦最广为人知的身份是 DeepMind 的 AlphaGo 项目负责人。[1]

教育与早期经历

席尔瓦就读于剑桥大学基督学院（Christ's College），1997 年毕业。[1] 在剑桥期间，他与德米斯·哈萨比斯（Demis Hassabis）成为朋友。[1] 毕业之后，席尔瓦参与创办了电子游戏公司 Elixir Studios。[1]

此后他前往阿尔伯塔大学（University of Alberta），2009 年获得博士学位，博士论文研究的是计算机围棋中的强化学习与基于模拟的搜索（simulation-based search）。[1] 基于模拟的搜索，是在计算机里把某个局面往后试走很多遍，再用这些试走的结果判断下一步该走哪里，而不是只靠人写好的规则去评估局面的好坏。围棋可能的局面数量极多，自然成了试验这类方法的合适对象。

深度强化学习与 Atari

2013 年，席尔瓦参与撰写了论文《Playing Atari with Deep Reinforcement Learning》，即深度 Q 网络（deep Q-network）的那篇论文。[2] 论文题目已经说明了场景：用深度强化学习玩 Atari 游戏。深度 Q 网络把深度神经网络放进强化学习的回路里：网络由游戏过程中产生的信号训练，网络的输出又用来决定下一步动作。

AlphaGo、AlphaGo Zero 与 AlphaZero

席尔瓦领导了 AlphaGo 项目，也主导了 AlphaZero 的研发，并且在 2016 年发表于《自然》（Nature）的 AlphaGo 论文中列第一作者。[1] 这套系统与围棋棋手李世石（Lee Sedol）对局，战胜他的那个版本，成了此后版本的参照。[4]

据 DeepMind 博客介绍，AlphaGo Zero 走的是另一条路：它从随机落子开始，完全靠自我对弈（self-play）学习，并以 100 比 0 战胜了击败过李世石的那个 AlphaGo 版本。[4] AlphaZero 的研发同样由席尔瓦主导。[1]

DeepMind 公开的工作沿着这个方向继续推进：按其博客的说法，MuZero 会学习游戏动态的模型，并用这个模型做规划，在没有被告知规则的情况下掌握了国际象棋、围棋、将棋和 Atari。[5]

获奖与教学

席尔瓦获得 2019 年 ACM 计算奖（ACM Prize in Computing）。[1] ACM 关于该奖项的新闻稿把它描述为授予 AlphaGo 的开发者，以表彰其在计算机游戏博弈方面的突破性进展。[3] 他还曾在伦敦大学学院（University College London）担任教授。[1]

Ineffable Intelligence

席尔瓦从 2013 年起在 Google DeepMind 全职工作。[1] 2025 年 11 月，他创办了公司 Ineffable Intelligence，并于 2026 年 1 月离开 Google DeepMind。[1] 据报道，该公司在 2026 年 4 月以 51 亿美元的估值融资 11 亿美元。[1]

为什么重要

把公开经历连起来看，席尔瓦从研究计算机围棋中搜索与学习的博士论文出发，一路走到主导开发在公开对局中与人类顶尖棋手交手的系统。[1][4] 对普通观众来说，AlphaGo 与李世石的对局是这一系列工作最知名的一次出场；ACM 的奖项表彰的正是这类博弈系统上的工作。[3] AlphaGo Zero 又补充了一点：一个从随机对弈出发的系统，也能以 100 比 0 战胜那个击败过人类顶尖棋手的版本。[4] 按 DeepMind 的说法，MuZero 把学习与规划这两样要素带到了不提供规则的游戏里。[5] 而席尔瓦从 Google DeepMind 转到自己创办的公司，意味着这条研究路线换了开展的场所。[1]

能力推理

技术路线深度学习

生态与地区欧洲 AI

历史研究史

生涯时间线

11
  1. 2004
    • 阿尔伯塔大学（人工智能研究） 任职于 2004–2009

      阿尔伯塔大学的计算机科学系是 Chinook 跳棋项目的机构所在地，也是长期用棋类游戏检验人工智能想法的地方，培养了一批相关研究者。

  2. 2013
    • 谷歌 DeepMind（Google DeepMind） 任职于 2013–2026

      总部位于伦敦的人工智能研究机构，2023 年由 DeepMind 与谷歌研究部门的 Brain 团队合并而成，以 AlphaGo、AlphaFold 和 Gemini 系列模型闻名。

    • 深度 Q 网络（DQN） 参与

      DeepMind 提出的强化学习智能体，把 Q 学习与卷积神经网络结合，直接从原始像素学会玩雅达利 2600 游戏，在数十款游戏上达到人类水平，且事先不知道游戏规则。

  3. 2016
  4. 2017
    • AlphaGo Zero 参与

      DeepMind 开发的围棋程序，不用人类棋谱，只靠自我对弈从随机下法起步学会围棋，几天之内就击败了此前版本的 AlphaGo。

    • Mastering the game of Go without human knowledge 参与

      DeepMind 的 AlphaGo Zero 从随机落子开始，只靠自我对弈学会围棋，训练三天便以 100 比 0 击败此前击败人类冠军的 AlphaGo 版本。相关论文于 2017 年 10 月发表在《自然》。

    • AlphaZero 参与

      AlphaZero 是 DeepMind 研发的通用棋类系统，2017 年 12 月以预印本形式公布。它只被给定规则，从随机走子开始，在 24 小时内于国际象棋、将棋和围棋上都达到了超越人类的水平。

    • A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play 参与

      2017 年挂在 arXiv、后于 Science 发表的论文：同一个自我对弈强化学习算法 AlphaZero 学会了国际象棋、将棋和围棋，并在三种棋里都战胜了强力的专门程序。

  5. 2019
    • MuZero 参与

      MuZero 是 DeepMind 的强化学习算法，将树搜索与学习到的模型结合，在未被告知环境规则的情况下，于 Atari、围棋、国际象棋和将棋上达到超人类水平。

    • Mastering Atari, Go, chess and shogi by planning with a learned model 参与

      MuZero 是 DeepMind 提出的强化学习算法，它自己学出一个环境模型，并在该模型中做规划，在不被告知规则的情况下掌握了 Atari、围棋、国际象棋和将棋。

任职于2

谷歌 DeepMind（Google DeepMind）2013–2026阿尔伯塔大学（人工智能研究）2004–2009

20161

  1. 论文AlphaGo 论文登上《自然》，披露击败樊麾

    2016 年 1 月 27 日，DeepMind 公布 AlphaGo，并同步发表《自然》论文，披露它在 2015 年 10 月以 5∶0 击败欧洲围棋冠军樊麾，这是计算机程序首次战胜职业围棋棋手。

20131

  1. 论文DeepMind 发布深度 Q 网络雅达利游戏论文

    2013年12月19日，DeepMind 研究人员发布论文，展示一个卷积网络用 Q 学习变体直接从原始像素学习雅达利 2600 游戏控制策略，在七个游戏中的六个优于此前方法。

参与9

注释与来源

  1. David Silver (computer scientist)https://en.wikipedia.org/wiki/David_Silver_(computer_scientist)
  2. Playing Atari with Deep Reinforcement Learninghttps://arxiv.org/abs/1312.5602
  3. ACM Prize in Computing 2019 press release (AlphaGo developer)https://awards.acm.org/binaries/content/assets/press-releases/2020/april/acm-prize-2019.pdf
  4. AlphaGo Zero: Starting from scratchhttps://deepmind.google/blog/alphago-zero-starting-from-scratch/
  5. MuZero's first step from research into the real worldhttps://deepmind.google/blog/muzeros-first-step-from-research-into-the-real-world/

引用本页: 大卫·席尔瓦（David Silver）. TellWorld, https://www.tellworld.net/zh/people/david-silver. 更新于 2026-11-08