CGI (圍棋軟體)

2008年到2011年的版本，以作者王永樂的暱稱Happy為名，僅支援9x9的棋盤[1]：

• 沒有任何機器學習的程式碼，是基於蒙特卡洛树搜索（MCTS）以及人類對圍棋的知識所寫成的程式。
• 不支援任何平行運算。

2012年到2014年的版本，這個版本將蒙特卡洛树搜索（MCTS）的平行運算框架化，以便於用在其他軟體上[1]。這個版本雖然可以進行19x19棋盤對弈，但只是實做而沒有最佳化，所以非常的弱[1]：

• 實做蒙特卡洛树搜索（MCTS）的平行運算框架。
• 支援平行運算。

2015年一月到十二月的版本，除了採用了蒙特卡洛树搜索（MCTS）外，還包括了MM algorithm[2][1]：

• 利用很多人為定義的特性進行學習。
• 利用progressive bias、progressive widening以及動態貼目改善蒙特卡洛树搜索（MCTS）。

2015年十二月到2016年八月的版本，這個版本引入了深度卷积神经网络（DCNN）使得棋力大幅增強。在引入的初期採用Detlef Schmicker所提供的資料，在2016一月後採用自己訓練的資料[2][1]：

• 使用監督式學習策略神經網路（英語：），這個版本還沒有使用强化学习策略策略神經網路（英語：）以及價值神經網路（英語：）。

2016年八月後的版本，在這個版本因為AlphaGo論文的出現而有了巨大的改動，使得實力大幅進步，能在不讓子的對弈中與職業棋士較勁[2][1]：

• 引入監督式學習策略神經網路（英語：）
• 引入強化學習策略神經網路（英語：）
• 引入價值網路（英語：）[4]
• 改善蒙特卡洛树搜索（MCTS）內的快速走子（英語：）
• 支援分散式計算

2018年十二月的版本，這個版本能提供四十個穩定棋力等級之圍棋程式，最高棋力與ELF OpenGo棋力相當[5]。

• 2009年TAAI，9x9第四名[1]。
• 2010年ICGA，9x9第八名[1]。
• 2010年TAAI，9x9第二名[1]。
• 2011年TAAI，9x9第五名[1]。
• 2013年TCGA，9x9第二名[1]。

• 2013年ICGA，9x9第三名[1]。
• 2013年TCGA，9x9第三名[1]。
• 2014年TCGA，9x9第二名[1]。
• 2014年TAAI，9x9第二名[1]。

• 2015年ICGA，9x9第三名，13x13第四名，19x19第四名[2][1]。
• 2015年TCGA，9x9第一名，13x13第一名，19x19第一名[2][1]。

賽事皆為IEEE CIG 2015：

• 2016年UEC杯世界電腦圍棋大會，初賽第一名[7]，決賽第六名[8][2][1]。

賽事皆為IEEE WCCI 2016：

在CGOS上，CGI1407_1_475_7c的BayesElo為3265分[10]。

• 2017年UEC杯世界電腦圍棋大會，初賽第六名[11]，決賽第七名[12][2][1]。
• 2017年世界智能圍棋公開賽，初賽第一名，決賽第二名[13][2][1]。

賽事為FUZZ-IEEE 2017：

在CGOS上，CGI1900_4c的BayesElo為3513分[10]。