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