谷歌旗下的人工智能“阿爾法圍棋”在幾次世界矚目的人機大戰(zhàn)后站在了圍棋之巔——2016年,，谷歌旗下的DeepMind團隊發(fā)布AlphaGo,，并以4:1的戰(zhàn)績擊敗了世界圍棋冠軍、韓國棋手李世石,，震撼世界,。此后，AlphaGo又進化出了AlphaGo Master版本,，并以3：0戰(zhàn)勝了當今世界圍棋第一人,、中國棋手柯潔,。功成名就后，DeepMind團隊宣布AlphaGo退役,。

現(xiàn)在它又以一種新的方式超越了自己：閉關一年后,，DeepMind推出了最新版本的AlphaGo Zero，它在沒有任何人類指導的情況下,，“從零開始”學習圍棋,，僅用3天時間自學和訓練，就擊敗了此前的AlphaGo,，比分是100比0,。值得注意的是，之前的版本都參考學習了大量人類專業(yè)棋手的圍棋經驗,，而新版的AlphaGo Zero則是自我對弈,，即通過跟不同版本的自己下棋來學習。

英國“深度思維”公司開發(fā)出了“阿爾法圍棋”,，該公司團隊在新一期英國《自然》雜志上發(fā)表論文,，介紹了最新版的“阿爾法圍棋－零”。 該公司之前開發(fā)的電腦在開始學習圍棋時,，舊版Alpha Go需要先學習數(shù)百萬份人類棋譜,，還要經過幾個月的密集訓練,，從而進行自我訓練,，實現(xiàn)超越。

第四個版本,，即最新的“阿爾法圍棋－零”擺脫了這個限制,，完全“從零開始”，自己與自己對弈,，通過更為優(yōu)秀的算法,，取得飛速進步。 

Zero的學習原理是這樣的：研究團隊事先沒有給Zero學習任何人類棋譜,，只告訴它圍棋的規(guī)則,，就讓它自己在棋盤上下棋，與自己進行對弈,，從一次次試驗和失敗中吸取經驗教訓,，摸索規(guī)律，在實戰(zhàn)中提高棋藝,。

除了學習原理外,，另一點與“舊狗”不同的是，Zero使用了單一的神經網(wǎng)絡,。

此前版本的AlphaGo都是用了兩種神經網(wǎng)絡,，一種用來預測下一步棋最好的走法,，另一種用來計算，根據(jù)這些走法,，誰更有可能獲勝,。

而Zero把這兩種網(wǎng)絡合二為一，只讓神經網(wǎng)絡預測獲勝者,，從而能夠得到更高效的訓練和評估,，就好像讓一個圍棋高手來預測比賽結果一樣。

此外,，Zero也不再使用快速而隨機的走子方法?！芭f狗”會通過快速走子來預測哪個棋手會從當前局面中獲勝,，而Zero則通過高質量的神經網(wǎng)絡來評估棋局。

如此看來,，“舊狗”像是走一步看三步,、步步為營的棋手，而Zero更像是縱觀全局,、成竹在胸的圍棋大師,。

開始學習圍棋3天后，“阿爾法圍棋－零”就以100比0的成績戰(zhàn)勝了“阿爾法圍棋－李”,；40天后,，它又戰(zhàn)勝了在所有人類高手看來已不可企及的“阿爾法圍棋－大師”。研究人員認為,，這一進步標志著人工智能的巨大突破,，意味著人工智能可以更好地進入對它來說本是一片空白的領域。

根據(jù)DeepMind團隊發(fā)表在《Nature》上的論文,，最新版的AlphaGo Zero最大的突破在于實現(xiàn)了“白板理論”,。白板理論認為，嬰兒是一塊白板,，可以通過后天學習和訓練來提高智力,。人工智能(AI)的先驅圖靈認為，只要能用機器制造一個類似于小孩的AI,，然后加以訓練,，就能得到一個近似成人智力，甚至超越人類智力的AI,。而自學成才的AlphaGo Zero正是實現(xiàn)了這一理論,。　　

Zero更厲害的一點在于，隨著訓練的深入,，它不僅棋藝獲得極大提升,，而且不再受到人類認知的局限，能夠發(fā)現(xiàn)新知識,，獨立發(fā)現(xiàn)游戲規(guī)則,，并且發(fā)展新策略，而這些具有創(chuàng)造性的圍棋招式,，模仿并完全超越了AlphaGo在與李世石和柯潔對弈時所使用的新技巧,。

“深度思維”公司首席執(zhí)行官哈薩比斯表示，希望人工智能的這種進步能夠被用于分析蛋白質結構,、設計新材料等領域,，為人們的生活帶來積極有益的影響。

根據(jù)英國《衛(wèi)報》報道,，AlphaGo的首席研究員大衛(wèi)·席爾瓦（David Silver）稱：“它比以前的算法更強大,，因為它不使用任何人類數(shù)據(jù)或人類經驗，我們已經消除了人類知識的限制,，它可以自己創(chuàng)造知識,。”