倫敦當地時間 10 月 18 日 18：00（北京時間 19 日 01：00），AlphaGo 再次登上世界頂級科學雜志——《自然》。
一年多前，AlphaGo 便是 2016 年 1 月 28 日當期的封面文章，Deepmind 公司發表重磅論文，介紹瞭這個擊敗歐洲圍棋冠軍樊麾的人工智能程序。
今年 5 月，以 3:0 的比分贏下中國棋手柯潔後，AlphaGo 宣佈退役，但 DeepMind 公司並沒有停下研究的腳步。倫敦當地時間 10 月 18 日，DeepMind 團隊公佈瞭最強版 AlphaGo ，代號 AlphaGo Zero。它的獨門秘籍，是 " 自學成才 "。而且，是從一張白紙開始，零基礎學習，在短短 3 天內，成為頂級高手。
團隊稱，AlphaGo Zero 的水平已經超過之前所有版本的 AlphaGo。在對陣曾贏下韓國棋手李世石那版 AlphaGo 時，AlphaGo Zero 取得瞭 100:0 的壓倒性戰績。DeepMind 團隊將關於 AlphaGo Zero 的相關研究以論文的形式，刊發在瞭 10 月 18 日的《自然》雜志上。
"AlphaGo 在兩年內達到的成績令人震驚。現在，AlphaGo Zero 是我們最強版本，它提升瞭很多。Zero 提高瞭計算效率，並且沒有使用到任何人類圍棋數據，"AlphaGo 之父、DeepMind 聯合創始人兼 CEO 戴密斯？哈薩比斯（Demis Hassabis）說，" 最終，我們想要利用它的算法突破，去幫助解決各種緊迫的現實世界問題，如蛋白質折疊或設計新材料。如果我們通過 AlphaGo，可以在這些問題上取得進展，那麼它就有潛力推動人們理解生命，並以積極的方式影響我們的生活。"
不再受人類知識限制，隻用 4 個 TPU
AlphaGo 此前的版本，結合瞭數百萬人類圍棋專傢的棋譜，以及強化學習的監督學習進行瞭自我訓練。
在戰勝人類圍棋職業高手之前，它經過瞭好幾個月的訓練，依靠的是多臺機器和 48 個 TPU（谷歌專為加速深層神經網絡運算能力而研發的芯片）。
AlphaGo Zero 的能力則在這個基礎上有瞭質的提升。最大的區別是，它不再需要人類數據。也就是說，它一開始就沒有接觸過人類棋譜。研發團隊隻是讓它自由隨意地在棋盤上下棋，然後進行自我博弈。值得一提的是，AlphaGo Zero 還非常 " 低碳 "，隻用到瞭一臺機器和 4 個 TPU，極大地節省瞭資源。
AlphaGo Zero 強化學習下的自我對弈。
經過幾天的訓練，AlphaGo Zero 完成瞭近 5 百萬盤的自我博弈後，已經可以超越人類，並擊敗瞭此前所有版本的 AlphaGo。DeepMind 團隊在官方博客上稱，Zero 用更新後的神經網絡和搜索算法重組，隨著訓練地加深，系統的表現一點一點地在進步。自我博弈的成績也越來越好，同時，神經網絡也變得更準確。
AlphaGo Zero 習得知識的過程
" 這些技術細節強於此前版本的原因是，我們不再受到人類知識的限制，它可以向圍棋領域裡最高的選手—— AlphaGo 自身學習。" AlphaGo 團隊負責人大衛？席爾瓦（Dave Sliver）說。
據大衛？席爾瓦介紹，AlphaGo Zero 使用新的強化學習方法，讓自己變成瞭老師。系統一開始甚至並不知道什麼是圍棋，隻是從單一神經網絡開始，通過神經網絡強大的搜索算法，進行瞭自我對弈。
隨著自我博弈的增加，神經網絡逐漸調整，提升預測下一步的能力，最終贏得比賽。更為厲害的是，隨著訓練的深入，DeepMind 團隊發現，AlphaGo Zero 還獨立發現瞭遊戲規則，並走出瞭新策略，為圍棋這項古老遊戲帶來瞭新的見解。
自學 3 天，就打敗瞭舊版 AlphaGo
除瞭上述的區別之外，AlphaGo Zero 還在 3 個方面與此前版本有明顯差別。
AlphaGo-Zero 的訓練時間軸
首先，AlphaGo Zero 僅用棋盤上的黑白子作為輸入，而前代則包括瞭小部分人工設計的特征輸入。
其次，AlphaGo Zero 僅用瞭單一的神經網絡。在此前的版本中，AlphaGo 用到瞭 " 策略網絡 " 來選擇下一步棋的走法，以及使用 " 價值網絡 " 來預測每一步棋後的贏傢。而在新的版本中，這兩個神經網絡合二為一，從而讓它能得到更高效的訓練和評估。
第三，AlphaGo Zero 並不使用快速、隨機的走子方法。在此前的版本中，AlphaGo 用的是快速走子方法，來預測哪個玩傢會從當前的局面中贏得比賽。相反，新版本依靠地是其高質量的神經網絡來評估下棋的局勢。
AlphaGo 幾個版本的排名情況。
據哈薩比斯和席爾瓦介紹，以上這些不同幫助新版 AlphaGo 在系統上有瞭提升，而算法的改變讓系統變得更強更有效。
經過短短 3 天的自我訓練，AlphaGo Zero 就強勢打敗瞭此前戰勝李世石的舊版 AlphaGo，戰績是 100:0 的。經過 40 天的自我訓練，AlphaGo Zero 又打敗瞭 AlphaGo Master 版本。"Master" 曾擊敗過世界頂尖的圍棋選手，甚至包括世界排名第一的柯潔。
對於希望利用人工智能推動人類社會進步為使命的 DeepMind 來說，圍棋並不是 AlphaGo 的終極奧義，他們的目標始終是要利用 AlphaGo 打造通用的、探索宇宙的終極工具。AlphaGo Zero 的提升，讓 DeepMind 看到瞭利用人工智能技術改變人類命運的突破。他們目前正積極與英國醫療機構和電力能源部門合作，提高看病效率和能源效率。
