AlphaZero：Google AI 24 小时自学成才，横扫国际象棋、围棋与将棋

棋类游戏是 AI 研究的经典领域。图灵、巴贝奇、冯·诺依曼、香农等先驱均曾投入其中。DeepMind 战绩彪炳：2015 年 AlphaGo 首胜人类职业棋手；新作 AlphaZero 仅用 4 小时自学国际象棋即击败 Stockfish 与 Deep Blue 等顶尖引擎，24 小时内在国际象棋、将棋、围棋三大领域均达超人水平并击败各领域最强程序。

核心方法论

AlphaGo Zero 以深度卷积神经网络配合纯强化学习达成超人表现。AlphaZero 进一步泛化：移除领域特定增强与人工知识，仅保留 深度神经网络 与 从零开始的强化学习算法。采用通用 MCTS（蒙特卡洛树搜索）替代传统 Alpha-Beta 搜索，通过自我对弈学习价值估计与走法概率，再引导搜索。

与 AlphaGo Zero 的关键差异

目标函数：AlphaGo Zero 优化胜率（二元胜负）；AlphaZero 优化期望结果（含和棋等多种结局）。
对称性利用：围棋规则具旋转/反射不变性，AlphaGo 系列通过 8 倍数据增强与 MCTS 中随机变换平均偏差。国际象棋与将棋规则不对称，AlphaZero 不做数据增强，MCTS 中亦不变换棋盘。
自我对弈机制：AlphaGo Zero 用上一迭代最强模型生成数据，新模型胜率超 55% 才替换；AlphaZero 维护单一持续更新的神经网络，无需等待迭代完成。

统一超参数与训练细节

AlphaZero 对三大游戏共用超参数、网络架构与设置，仅按合法走法数缩放探索噪声。棋盘状态用空间平面编码，动作按规则用空间平面或扁平向量编码。每游戏独立训练实例，70 万步，5000 块一代 TPU 生成自我对弈数据，64 块二代 TPU 训练网络。

惊人成绩

训练曲线显示：国际象棋 30 万步（4 小时）超越 Stockfish；将棋 11 万步（2 小时）超越 Elmo；围棋 16.5 万步（8 小时）超越 AlphaGo Lee。完全训练（3 天）后，AlphaZero 以每步 1 分钟限时各打 100 局：对 Stockfish 全胜，对 Elmo 败 8 局，对 AlphaGo Zero 亦占优。搜索效率上，AlphaZero 每秒仅搜 4 万（将棋）/ 8 万（国际象棋）节点，远低于 Elmo (3500 万) 与 Stockfish (7000 万)，但依靠深度网络聚焦最优变着，呈现更“人类化”的选择策略。

意义与展望

AlphaZero 仍处早期，但已迈出关键一步。若类似方法推广至蛋白质折叠、新材料发现、降低能耗等结构化问题，将深远影响未来。

53 量子比特量子模拟器问世，规模创纪录日本发布量子计算机原型：速度超超算 100 倍、功耗仅 1 千瓦

工业技术