澎湃新聞記者 虞涵棋 王心馨
倫敦當地時間10月18日18：00（北京時間19日01：00），谷歌旗下的團隊公布了進化后的最強版 ，代號 Zero。
新版本的究竟有多厲害？打敗李世石的用了3000萬盤比賽作為訓練數據， Zero用了490萬盤比賽數據。經過3天的訓練， Zero就以100：0的比分完勝對陣李世石的那版。
聯合創始人兼CEO 、之父戴密斯·哈薩比斯（Demis ）和團隊負責人大衛·席爾瓦（Dave ） 等人同時在官方博客上發表文章，詳解最強版本阿爾法狗是如何煉成的，與前代有何不同。
哈薩比斯
與學習大量人類棋譜起步的前代不同， Zero是從“嬰兒般的白紙”開始，通過3天數百萬盤自我對弈，走完了人類千年的圍棋歷史，并探索出了不少橫空出世的招法。
哈薩比斯等人撰文：《 Zero：從零開始》
席爾瓦在烏鎮人機峰會上發言
從語音識別、圖像分類到基因和藥物研究，人工智能發展迅速。這些專家系統，很多是借用海量人類經驗和數據開發出來的。
然而，在有些特定問題上，人類的知識要么過于昂貴，要么不靠譜，要么無法獲得。因此，人工智能研究的一個長期目標就是跳過這一步，創造能在最有挑戰性的領域，不用人類輸入就達到超人水平的算法。我們發表在《自然》期刊上的最新論文，展示了實現該目標的關鍵一步。
論文介紹了首個戰勝人類圍棋冠軍的電腦程序的最新進化版本： Zero。 Zero更為強大，可以一爭史上最強圍棋手。
的前幾代版本，一開始用上千盤人類業余和專業棋手的棋譜進行訓練，學習如何下圍棋。 Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始。用這種方法，它很快超過了人類水平，對陣此前戰勝人類冠軍李世石的前代取得了100連勝。
Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝利者。
升級后的神經網絡與搜索網絡結合成一個更強的新版本 Zero，如此往復循環。每過一輪，系統的表現就提高了一點點，自我對弈的質量也提高了一點點。神經網絡越來越準確， Zero的版本也越來越強。
這種技術比此前所有版本的都更為強大。這是因為，它不再受到人類知識的限制，而能夠從嬰兒般的白紙狀態，直接向世界上最強大的棋手——本身學起。
Zero相較前代還有幾點明顯的差別：
首先， Zero僅用棋盤上的黑白子作為輸入，而前代則包括了小部分人工設計的特征輸入。
其次， Zero僅用了單一的神經網絡。在此前的版本中，用到了“策略網絡”來選擇下一步棋的走法，以及使用“價值網絡”來預測每一步棋后的贏家。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。
第三阿爾法狗使用的主要算法有， Zero并不使用快速、隨機的走子方法。在此前的版本中，用的是快速走子方法，來預測哪個玩家會從當前的局面中贏得比賽。相反，新版本依靠的是其高質量的神經網絡來評估下棋的局勢。
所有這些差異阿爾法狗使用的主要算法有，都提高了系統的表現，使其更為普適。不過，是算法上的變化使得系統更為強大和高效。
僅僅自我對弈3天后， Zero就以100：0完勝了此前擊敗世界冠軍李世石的版本。自我對弈40天后， Zero變得更為強大，超過了此前擊敗當今第一人柯潔的“大師”版。
通過數百萬次自我對弈，從零開始掌握了圍棋，在短短幾天內就積累起了人類幾千年才有的知識。 Zero也發現了新的知識，發展出打破常規的策略和新招，與它在對戰李世石和柯潔時創造的那些交相輝映，卻又更勝一籌。
這些創造性的時刻給了我們信心：人工智能會成為人類智慧的增強器，幫助我們解決人類正在面臨的一些嚴峻挑戰 。
盡管才剛剛發展起來， Zero已經走出了通向上述目標的關鍵一步。如果類似的技術可以應用在其他結構性問題，比如蛋白質折疊、減少能耗和尋找新材料上，就能創造出有益于社會的突破。