从李世石到柯洁，AlphaGo将人类的围棋战局搅了个翻天覆地。谷歌的DeepMind，向世界证实了人工智能的力量。现在，这个从人类这里学会下棋，并超越所有人的AlphaGo又升级了。

周三，DeepMind发布了新一代的AlphaGo Zero，一个不再需要人类，基于自学而不断成长的AlphaGo。人工智能，离自己创造通用算法，攻克最艰深的科学问题，比如自己设计药品、创建更精确的气象模型，都更近了一步。

上一版打败了柯洁的AlphaGo，已经展现了超人类的围棋能力，但是，它依旧需要人类知识的帮助，比如，它学习的超过十万盘人类棋局，作为它知识体系的基础。而现在的AlphaGo Zero，仅仅需要程序员输入最基本的围棋规则，就可以摸索出完整的围棋下法，并超越前者。

从DeepMind在《自然》杂志上发表的论文来看，它的所有练习，都由和自己下棋来完成。一开始，只是随便落子。就好像所有刚刚下围棋的小朋友一样。不过，很快，Zero就自己发现了围棋一些成熟定式，从业余选手转化为专业棋手的下法。

上一代的AlphaGo有两个分开的学习模型，一个专门用来评估当下的形势和棋局，另一个给出可能的下几步走法。而后，AlphaGo从中挑选出可能的走法，让这些走法在第三个模块中实验，模拟出不同的结果。

Zero则是单个的、更加强劲的人工神经网络，在评估棋局的同时，给出新的建议走法。它的整套搜索模块，都变得更加简洁。在自己和自己下棋的过程中，Zero胜利的一方就会发现那些不同的定式，自我进行选择、然后系统，再下、再升级，以此类推上百万次。

三天的时间，AlphaGo Zero已经从零基础者，变成打败李世石的版本；40天后，它与打败柯洁版本的AlphaGo的胜率，达到90%。毋庸置疑，Zero是人类历史上，最强的围棋选手了。

完全不需要人类的智慧、知识、帮助，Zero有了自己从零开始建立规则、寻找原理的能力，完成了质的飞跃。

Zero除了是一个更佳的棋手，作为一个人工智能，它还有着其他比前代AlphaGo更好的性能。首先，它所需的计算能力更小。相比上一代需要48个TPU，Zero需要的只有4个。当你需要将AlphaGo的能力放到其他更实际的领域中去的时候，它所节省的运算容量，将带来更大的便利性。

其次，作为一个自我学习的模范，Zero在开发新的算法的时候，将不再需要大量的数据做支撑，在现阶段的AI研究中，又是一大突破。目前我们看到的AI的结果，很多都是在大量的廉价计算能力和数据的基础上实现的。它能够给让AI实现新的功能，却让它同时缺乏持续性。

Zero的进化，让人们看到了仅仅依靠算法，就达到重大突破和进步的可能性。即使从一些相对陈旧的信息中，人工智能也可能发现全新的、人类从未开发到的方向。

不过，Zero是一个搜索不同的可能性，选取最佳路径来实现的模式，依旧展现出了AI技术的局限性。毕竟作为一个有规则的棋类游戏，对于计算机来说更有优势。阿尔伯塔大学的教授Martin muller虽然也认为Zero的简洁设计近乎完美，但是在围棋的限定规则之下，自我学习是不够的。

当人工智能完成一个需要多方面考量的挑战时，它就会陷入迷惑之中。比如安装一个宜家的沙发、设计一趟旅行。在这些事情上，人类更加依赖抽象、逻辑推理的能力。

当然，着绝不代表Zero的技术不能用到更多的世纪开发中。时尚，谷歌已经用这些算法节省了不少的数据中心冷气钱。DeepMind在上一个季度，为整个Alphabet（谷歌母公司）集团，提供了价值四千万英镑的服务。

DeepMind还打算加AlphaGo Zero的能力用到气象预测、蛋白质分子折叠等问题上。谷歌的机器学习，也显示投放更精准的广告的能力。

最后，AlphaGo Zero也会给被它打击的人类围棋，输入一些新鲜的血液。作为第一个被AlphaGo打败又加入DeepMind的专业棋手，樊辉表示，AlphaGo的围棋虽然看上去真的很像是一个围棋高手，却有透露出更加自由的气象。无需局限于人类的知识之中，Zero给棋手们带来了全新的走法，新到连AlphaGo自己都想不出来的那种。