AlphaZero

AlphaZero是DeepMind所開發的人工智能軟體^[1]。

AlphaZero使用與AlphaGo Zero類似但更一般性的演算法，在不做太多改變的前提下，並將演算法從圍棋延伸到将棋與國際象棋上。AlphaZero與AlphaGo Zero不同之處在於^[1]：

AlphaZero基於蒙特卡洛树搜索，每秒只能搜尋8萬步（西洋棋）與4萬步（將棋），相較於Stockfish每秒可以7000萬步，以及elmo（日语：elmo (コンピュータ将棋ソフト)）每秒可以3500萬步，AlphaZero則是利用了類神經網路提昇了搜尋的品質^[1]。

AlphaZero使用了5,000顆第一代的TPU進行訓練。

在4小時的訓練後（約自我訓練4400萬局^[1]^{:Table S3}），AlphaZero以28勝72和0敗的成績打敗Stockfish^[1]^{:Table 1}。

在12小時的訓練後（約自我訓練2400萬局^[1]^{:Table S3}），AlphaZero以90勝2和8敗的成績打敗elmo（日语：elmo (コンピュータ将棋ソフト)）^[1]^{:Table 1}。

在34小時的訓練後（約自我訓練2100萬局^[1]^{:Table S3}），AlphaZero以60勝40敗的成績打敗AlphaGo Zero^[1]^{:Table 1}。

簡介