2026-03-06 01:09:42
AlphaGo Zero是DeepMind开发的围棋人工智能系统，其核心突破在于完全摒弃人类棋谱数据，仅通过自我对弈强化学习实现进化。与依赖3000万盘人类对局数据训练的初代AlphaGo相比，AlphaGo Zero仅使用490万盘自我生成的对局数据，在3天内即以100:0战绩击败此前版本，且硬件配置大幅简化——仅需1台机器与4个TPU，远低于李世石对战版所用的48个TPU。
在输入结构上，AlphaGo Zero采用纯粹的原始棋盘状态（黑子、白子位置）作为神经网络唯一输入，不引入任何人工设计的围棋特征；而早期AlphaGo则融合了由专家提炼的领域知识特征。这一设计使模型真正实现端到端学习，避免人为偏见干扰。
算法架构方面，AlphaGo Zero取消传统蒙特卡洛树搜索（MCTS）中依赖快速随机模拟（走子演算）的评估机制，转而构建高精度单一深度神经网络，同步输出落子策略概率与局面胜率估值。每步决策平均耗时仅0.4秒，兼具效率与准确性，标志着围棋AI从“数据驱动”迈向“原理驱动”的范式转变。
热门推荐
评论区