不看一局人类棋谱，也能下赢世界冠军
西尔弗设计的AlphaZero系统完全摒弃了此前AlphaGo依赖人类职业棋手棋谱进行预训练的方式，仅仅被告知围棋的基本规则，随后通过与自身反复对弈自主学习，短短数十小时的自我训练后，其棋力便已超越此前需要依赖大量人类棋谱数据训练的AlphaGo，这一结果让不少长期研究围棋理论的职业棋手都感到震撼，也让"通用的自我学习方法最终能超越依赖人类经验的方法"这一观点获得了极具说服力的实证支持。
⚫
戴维·西尔弗
本名David Silver
英国计算机科学家，AlphaGo系统的技术负责人
算法背后的数学 · 理论奠基人
AlphaGoAlphaZero深度强化学习的工程化实践
是谁
戴维·西尔弗（1976- ）是英国计算机科学家，在阿尔伯塔大学攻读博士期间师从理查德·萨顿从事强化学习研究，此后加入DeepMind，主导设计了AlphaGo系统，将深度神经网络与蒙特卡洛树搜索算法相结合，2016年以四比一击败韩国顶尖围棋棋手李世石。西尔弗此后进一步开发出AlphaZero系统，摒弃了此前依赖人类棋谱数据进行训练的方式，仅通过自我对弈从零开始学习，最终在围棋、国际象棋、日本将棋三种棋类游戏上都超越了此前的最强系统，这一"从零开始、无需人类先验知识"的训练范式，此后被广泛视为萨顿"苦涩的教训"这一理论观点的有力实践印证。
依据原典西尔弗等《用深度神经网络与树搜索掌握围棋》（2016）西尔弗等《AlphaZero》论文（2017）
主要故事
人物关系
宿敌
今日回响
以下是现代作品对这个名字或故事的借用、改写，不代表原始内容——两者不一样，别混着记。
"零人类知识"训练范式的实证AlphaZero完全不依赖人类棋谱、仅凭自我对弈就超越此前最强系统的结果，此后被广泛引用，作为"通用自我学习方法能否超越依赖人类经验方法"这一议题的有力实证。