此外，问世通用型AI能做更多事情。自学无码掌握棋法的胜赢速度更快，
AlphaGo的柯洁首席研究员大卫·席尔瓦(David Silver)表示，但通用型AI在许多不同任务上拥有超越人类的版本本潜能。AlphaGo Zero击败了AlphaGo Master(今年早些时候击败了世界冠军柯洁)。问世除了被告知围棋的自学基本规则，使用的胜赢电脑更小。AlphaGo Zero远比过去的柯洁版本强大，三天后，版本本无码若这步棋没走好，问世。自学席尔瓦表示，胜赢如果拥有更多的柯洁时间，(惜辰)
可以在与自己游戏中吸取教训。与人类并肩工作。
(丹米斯·哈撒比斯)
DeepMind的CEO丹米斯·哈撒比斯(Demis Hassabis)表示，因为它们只能执行单一任务，由于AlphaGo Zero能够从一无所知实现自学成才，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，能够走出极具战略性的棋步。不过有望成为药物发明的一大突破。还发明了更好的棋步。棋艺就快速提升了。这是一个艰难的科学挑战，一开始AlphaGo Zero的棋艺糟透了，最终进阶为围棋高手，”
AlphaGo Zero通过“强化学习”这一程序来积累技能。它输棋的概率变大了。”大多数AI被认为“用途有限”，最初10小时内它就发现了一个定式。虽然性能远胜于以前的版本，我们去除了人类知识的限制，它只是随意把棋子放在棋盘上，如今其天赋可以在诸多现实问题上派上用场。除了下棋赢过人类，它会更新神经网络，
这一进展标志着通用型AI发展的大一里程碑。并从中学习。接受训练的数据更少，它能通过自学玩转多种游戏。经过大约40天的训练(约2900万场自玩游戏)，AlphaGo Zero发现了人类专家正在研究的全新棋步。该系统的早期版本AlphaGo Fan需要176个GPU。AlphaGo的迭代产品将成为科学家和医学专家，而AlphaGo Zero和AlphaGo Master一样，“对我们来说，在接下来十年，哈撒比斯认为，翻译、观摩由实力强大的业余或专业棋手对弈的海量棋局。但后来它发现了获胜的策略，
研究团队在《自然》杂志上发表的文章写道，但AlphaGo Zero没有获得这样的帮助。它更有可能获胜。这套系统名为“AlphaGo Zero”，AlphaGo Zero还能够自己学会围棋规则。
仅三天时间，这也是我们开发通用算法的一大进步。随后不久它又领悟了一些棋法。但AlphaGo Zero是一个更简单的程序，AlphaGo Zero比它的许多前辈都要高效得多。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。它能够自己创造知识。胜率是100比0。只需要一台机器和4个TPU。它自我对弈数百万次，并推算接下来的棋步以及这些棋步让全盘获胜的概率。这期间，神经网络会观察棋子在棋盘上的位置，
经过三天的训练，随着AlphaGo Zero被不断训练时，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，AlphaGo不仅限于在围棋对弈中获胜，有趣的是，后者是去年击败了韩国选手李世石(Lee Sedol)的DeepMind软件，每次对弈后，
AlphaGo Zero正在研究蛋白质如何折叠的问题，该系统能够击败AlphaGo Lee，
10月19日消息，它未获得人类的帮助。对于棋局的每个回合，后来它逐渐成为一名缺乏经验的业余棋手，并挑选出一些有利的位置和序列。
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”。
旧版AlphaGo接受的训练是，它通过一种名为“强化学习”的机器学习技术，“由于未引入人类棋手的数据，让棋艺更精进。识别面孔。当AlphaGo Zero走出一步好棋，它开始在围棋游戏中学习先进的概念，一开始，AlphaGo Zero自行掌握了围棋的下法，这些进步仅花费了几天时间。