一年前，一只阿尔法狗横空出世，它在学习了几百万册人类棋谱后，参透了围棋奥义，以4-1打败了人类世界的围棋冠军李世石，改变围棋领域的格局。
最近，它的弟弟阿尔法元没看过一本棋谱，也没得到过任何人的指点，仅凭自己摸爬滚打，自娱自乐，下了几千万盘棋后，变成了顶尖高手。3天后，它以100：0的成绩战胜了哥哥，再次刷新围棋领域的排名。
伦敦当地时间10月18日18：00，研究团队DeepMind再次在《自然》（Nature）杂志上发表了一篇关于AlphaGo的文章，称新一代AI程序AlphaGo Zero（阿尔法元）在没有任何人类输入的情况下，可以自学成才。
此前，2016年1月28日，《自然》杂志就发表了封面文章，推出DeepMind公司的研究成果，即曾击败欧洲围棋冠军樊麾的人工智能程序AlphaGo。
旧版AlphaGo在今年5月战胜柯洁后宣布退役，但DeepMind公司仍在继续研究AlphaGo系列产品，此次发表的重磅论文就是为了推出迄今为止的最强版AlphaGo，代号AlphaGo Zero。
这只新的阿尔法狗不简单，它可以在完全没有人类帮助的情况下，自学成才。而且，从“一张白纸”到“顶级高手”，它只需要短短3天时间！
Zero的无敌和强大令人震惊，但在某种意义上或许可以说，人类把阿尔法狗教坏了！它不需要人类的“教育和帮助”了。
戳视频，看看Zero到底厉害在哪里。
AlphaGo项目首席研究员大卫·席尔瓦（David Silver）说，AlphaGo Zero的水平超过以前所有的AlphaGo版本，尤其值得一提的是，它击败了曾战胜世界围棋冠军李世石的旧版。
DeepMind联合创始人兼CEO 戴密斯·哈萨比斯（Demis Hassabis）说，“Zero提高了计算效率，并且没有使用到任何人类围棋数据。”
不使用人类的围棋数据，AlphaGo Zero是如何实现自学的呢？那就要先说说Zero与“旧狗”有哪些不同。
旧版Alpha Go需要先学习数百万份人类棋谱，还要经过几个月的密集训练，从而进行自我训练，实现超越。
与“旧狗”不同的是，新版Zero却能够“无师自通”，完全不需要任何历史棋谱的指引，也不需要人类的任何先验知识，完全靠自己的强化学习（reinforcement learning）。
Zero的学习原理是这样的：研究团队事先没有给Zero学习任何人类棋谱，只告诉它围棋的规则，就让它自己在棋盘上下棋，与自己进行对弈，从一次次试验和失败中吸取经验教训，摸索规律，在实战中提高棋艺。
除了学习原理外，另一点与“旧狗”不同的是，Zero使用了单一的神经网络。
此前版本的AlphaGo都是用了两种神经网络，一种用来预测下一步棋最好的走法，另一种用来计算，根据这些走法，谁更有可能获胜。
而Zero把这两种网络合二为一，只让神经网络预测获胜者，从而能够得到更高效的训练和评估，就好像让一个围棋高手来预测比赛结果一样。
此外，Zero也不再使用快速而随机的走子方法。“旧狗”会通过快速走子来预测哪个棋手会从当前局面中获胜，而Zero则通过高质量的神经网络来评估棋局。
如此看来，“旧狗”像是走一步看三步、步步为营的棋手，而Zero更像是纵观全局、成竹在胸的围棋大师。
DeepMind团队称，Zero用更新后的神经网络和搜索算法重组，随着训练加深，系统的表现不断进步。自我博弈的成绩也越来越好。同时，神经网络也变得更准确。
（Zero强化学习下的自我对弈）
经过40天的训练和3000万次对弈，Zero就能战胜此前世界上最牛的围棋手Alpha Master。
戳图，看看Zero在反复的自我对弈和学习中棋艺进步的过程。
Zero的学习很好地反映了人类棋手学习的过程。像初学者一样，开始只是贪婪地想要吃掉对方的棋子。但是经过3天训练，它就能掌握人类围棋高手所使用的复杂的技巧，“它重新发现了人类几千年的知识”，哈萨比斯说。
