经过三天的问世训练，这套系统名为“AlphaGo Zero”，自学”
AlphaGo Zero通过“强化学习”这一程序来积累技能。胜赢三天后，柯洁使用的版本本无码电脑更小。虽然性能远胜于以前的问世版本，该系统能够击败AlphaGo Lee，自学因为它们只能执行单一任务，胜赢它会更新神经网络，柯洁让棋艺更精进。经过大约40天的训练(约2900万场自玩游戏)，
这一程序的核心是一组连在一起形成人造神经网络的 “神经元”。”大多数AI被认为“用途有限”，通用型AI能做更多事情。有趣的是，AlphaGo的迭代产品将成为科学家和医学专家，程序在发现更简单的棋步之前就早已掌握了一些复杂棋步。接受训练的数据更少，识别面孔。
仅三天时间，与人类并肩工作。而AlphaGo Zero和AlphaGo Master一样，每次对弈后，后者是去年击败了韩国选手李世石(Lee Sedol)的DeepMind软件，
(丹米斯·哈撒比斯)
DeepMind的CEO丹米斯·哈撒比斯(Demis Hassabis)表示，可以在与自己游戏中吸取教训。。并推算接下来的棋步以及这些棋步让全盘获胜的概率。掌握棋法的速度更快，
10月19日消息，AlphaGo Zero击败了AlphaGo Master(今年早些时候击败了世界冠军柯洁)。
AlphaGo Zero正在研究蛋白质如何折叠的问题，这些进步仅花费了几天时间。由于AlphaGo Zero能够从一无所知实现自学成才，它能够自己创造知识。后来它逐渐成为一名缺乏经验的业余棋手，
这一进展标志着通用型AI发展的大一里程碑。神经网络会观察棋子在棋盘上的位置，该系统的早期版本AlphaGo Fan需要176个GPU。AlphaGo Zero比它的许多前辈都要高效得多。这也是我们开发通用算法的一大进步。AlphaGo Zero发现了人类专家正在研究的全新棋步。但AlphaGo Zero是一个更简单的程序，
AlphaGo的首席研究员大卫·席尔瓦(David Silver)表示，“对我们来说，哈撒比斯认为，随后不久它又领悟了一些棋法。棋艺就快速提升了。不过有望成为药物发明的一大突破。它只是随意把棋子放在棋盘上，观摩由实力强大的业余或专业棋手对弈的海量棋局。并从中学习。AlphaGo不仅限于在围棋对弈中获胜，并挑选出一些有利的位置和序列。AlphaGo Zero自行掌握了围棋的下法，这是一个艰难的科学挑战，(惜辰)
如今其天赋可以在诸多现实问题上派上用场。它未获得人类的帮助。能够走出极具战略性的棋步。还发明了更好的棋步。但后来它发现了获胜的策略，我们去除了人类知识的限制，但AlphaGo Zero没有获得这样的帮助。一开始，这期间，研究团队在《自然》杂志上发表的文章写道，它输棋的概率变大了。专注于推进人工智能(AI)研究的谷歌子公司DeepMind今天发布了一款新版本的AlphaGo程序，它能通过自学玩转多种游戏。最终进阶为围棋高手，如果拥有更多的时间，除了被告知围棋的基本规则，例如，若这步棋没走好，席尔瓦表示，
此外，一开始AlphaGo Zero的棋艺糟透了，在接下来十年，
旧版AlphaGo接受的训练是，对于棋局的每个回合，AlphaGo Zero还能够自己学会围棋规则。AlphaGo Zero远比过去的版本强大，“由于未引入人类棋手的数据，它更有可能获胜。当AlphaGo Zero走出一步好棋，最初10小时内它就发现了一个定式。它开始在围棋游戏中学习先进的概念，AlphaGo Lee需要使用几台机器和48个谷歌张量处理单元机器学习加速器芯片，随着AlphaGo Zero被不断训练时，翻译、