AlphaZero

事实

一种靠自我对弈学习棋类策略的强化学习模型。

人话

像健身房里对着镜子加练的人，没人手把手带，它自己跟自己较劲，最后把动作卷成标准答案。

主要用于围棋、国际象棋和将棋，证明 AI 靠自我对弈也能学出顶级策略。

相关概念

• 阿尔法围棋
• Reinforcement Learning｜强化学习
• Monte Carlo Tree Search｜蒙特卡洛树搜索
• Deep Reinforcement Learning（深度强化学习）

Alphago
它可看作 AlphaGo 的通用化升级，不再只为围棋设计。

Reinforcement-learning
它靠自我对弈和胜负反馈，持续改进下棋策略。

Monte-carlo-tree-search
它在对局时配合 MCTS 搜索，更高效挑选落子。

Deep-reinforcement-learning
它是深度强化学习的代表成果之一。