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