作為 AlphaGo 的最新迭代，DeepMind 又在 11 月 6 日發表的《科學》（Science）論文中，隆重介紹了 AlphaZero 。作為谷歌母公司 Alphabet 旗下的英國人工智能子公司，DeepMind 多年來一直致力于改進 Go AI 。2017 年的時候，前 AI 冠軍 AlphaGo 正式退休，但在進一步修補之后，AlphaZero 又達到了新的頂峰。

AlphaZero 是一款能夠從頭學習圍棋、象棋等棋子游戲的新型人工智能平臺。在三款棋類比賽中，AlphaZero 將三款 AI 都挑落下馬。

● Stockfish：國際象棋 AI 世界冠軍；

● elmo：2017 年度世界計算機將棋錦標賽冠軍；

● AlphaGo Zero：DeepMind 自家的圍棋 AI，被譽為史上最強選手。

在僅僅獲知有關游戲基本規則的情況下，AlphaZero 在成為人工智能大師之前，會先自己機型數百萬場的對抗練習。

該 AI 初期會實施隨機戰術來取得勝利，但后續會通過‘強化學習’來試錯，以逐步了解哪些策略是最有效的。

實測國際象棋需要 9 小時、將棋 12 小時、圍棋 13 天，涉及 5000 個張量處理單元（TPU）。

作為參考，一套 TPU 每天可以處理超過 Google Photos 中的 1 億+照片，所以 AlphaZero 對硬件處理性能的要求還是比較高的。

閉關學習結束后，AlphaZero 就可以大殺四方了

這項研究的獨特之處在于，研究團隊將機器學習算法、與蒙特卡羅樹（MCTS）的“搜索方法”結合到了一塊。

這是 Go 圍棋 AI 決定下一步行動所采用的方式，這次 DeepMind 團隊在國際象棋和將棋 AI 上也套用了同樣的機制，首次展示了該方法適用于其它復雜的游戲測試。

對于人類國際象棋選手來說，AlphaZero 是極具吸引力的。你可以在與機器對戰時，見識到此前從未遇到過的策略、以及一些新穎的想法。

其咄咄逼人的風格、以及高度動態的應變策略，足以讓 Matthew Sadler 之類的國際象棋大師感到驚訝（其在 DeepMind 博客上有所表述）。

有關這項研究的詳情，已經發表在近日出版的《科學》（Science）期刊上。原標題為：《A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play》《一種通用的強化學習算法，可自學成為國際象棋、將棋、圍棋大師》。