就可以不断提高Alpha Zero的下棋水平在这里我们可以将Alpha Zero的训练过程比作人的学习过程,整个训练过程就可以归结为两步：1. 利用蒙特卡洛搜索树和深度神经网络的自我对弈（self-play）得到更好的下棋数据,在蒙特卡洛搜索的过程中结合了深度神经网络对于当前棋盘的评估,人就会讲之前的下棋经验累积起来,使得Alpha Zero能在极短的时间内就能下很多盘棋,神经网络的训练过程就是总结棋局成为经验,这其中的关键就在于深度神经网络和蒙特卡洛搜索树的结合,而结合神经网络的蒙特卡洛搜索就是基于当前的经验和未来的推演来得到更好的棋局。

AlphaGo是用什么语言编写的

谢邀

AlphaGo由Alphabet Inc 在伦敦的Google DeepMind团队开发的。

并没有对外公告：

但从官网github可以知道： Python Lua C Go。

可见开发语言并不局限于一种。同时这个智能产物也是多种机器学习模型的结合，包括离线模型，在线模型等

从reddit传言，python实现了其部分核心功能。

Python 在人工智能领域将发挥很大作用。

我是小鸟，深耕互联网，欢迎来撩。

阿尔法元（AlphaGo Zero）为什么能无师自通

Alpha Zero是Deepmind继AlphaGo Zero（主要针对围棋推出的算法）之后推出的终极对弈杀器，在经过短短几个小时的训练就相继征服了国际象棋，日本将棋以及中国围棋。

那么Alpha Zero为何会如此强大呢，这其中的关键就在于深度神经网络和蒙特卡洛搜索树的结合。其中深度神经网络的输入当前以及历史的棋盘布局，输出下一步的下棋位置的概率分布以及胜率。蒙特卡洛搜索树则是一种常用的搜索树，通过不断的推演棋盘之后的状态，从而下那些胜率高的位置。在蒙特卡洛搜索的过程中结合了深度神经网络对于当前棋盘的评估，使得蒙特卡洛搜索的质量更好。-aiphago

整个训练过程就可以归结为两步：

2. 用这些数据来训练神经网络，以提高其评估的质量。反复的运行上述过程，就可以不断提高Alpha Zero的下棋水平

在这里我们可以将Alpha Zero的训练过程比作人的学习过程。人在开始学习的时候，不知道该怎么下，就可能会胡乱的下棋。但是经过几轮的下棋之后，人就会讲之前的下棋经验累积起来，慢慢的开始了解到什么时候该下哪里以及我是快输了还是赢了。此外人在下棋的过程中，总会是推演之后的下棋状态，从而下的位置更好。然后随着下的盘数增加，人的经验就回越来越丰富，下棋的水平也越来越高。这其中人脑就是深度神经网络，能够存储过去的经验，而结合神经网络的蒙特卡洛搜索就是基于当前的经验和未来的推演来得到更好的棋局，神经网络的训练过程就是总结棋局成为经验。-aiphago

但是Alpha Zero为什么能在那么短时间内就能去的如此之快的进步。这就在于其中使用了大量的TPU和CPU，使得Alpha Zero能在极短的时间内就能下很多盘棋，大大加快了学习的速度。

如何评价alphago自我对弈的50盘棋

打了十多局alphago自战棋谱，由于才业余五段棋力不高，很多东西理解不了，但脑中的感觉竟然是2只精灵在自由自在的跳舞，有时是互动，有时是你跳你的，我跳我的，感觉不到人类棋谱的杀气。棋圣吴清源曾经说过：围棋的本质是调和，alphago棋谱就是这个境界吗？-aiphago

八九十年前，木谷实吴清源在日本发起了新布局理论的探讨，开启了围棋的新时代，今天的职业围棋，除了计算力可能超越当时，理论水平并没有真正的突破，这实际上已经是固步自封了，这样的环境需要新的围棋英雄来挑起人们继续探讨围棋真谛的激情。现在，alphago来了，这50局将成为围棋界的教科书，引导围棋进入新的百家争鸣时代。-aiphago