一句话导读
纯自我对弈练成的“全能棋王”，无需人类棋谱
论文信息
| 英文原名 | Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm |
| 中文常用名 | AlphaZero（自我对弈棋王） |
| 作者 | Silver, Hubert, Schrittwieser, et al. |
| 发表年份 | 2018 |
| 出处 / 获取 | arXiv:1712.01815 |
| 所属专题 | 强化学习 |
本文为 AI泡泡堂 经典 AI 文献栏目收录，信息经公开渠道核验。若需引用请以原论文为准。
详细解读（中文）
一、论文背景：AlphaGo 依赖人类棋谱做监督预训练，需要大量专家数据。是否可以从”白纸”出发，不借助任何人类知识，用一个通用算法同时学会多种棋类并达到超人类水平？
二、核心创新：AlphaZero 提出完全自对弈（Self-play）的训练范式：网络（策略+价值一体）从随机初始化开始，只与自己对弈，用 MCTS 搜索产生的增强样本持续训练，无人类棋谱、无人工特征、无领域规则（仅输入棋盘状态）。
三、关键技术细节：① 网络以（棋盘状态）为输入，同时输出落子概率与局面价值；② MCTS 每步用网络指导搜索，搜索统计作为训练标签，实现”搜索与网络互相促进”的迭代自举；③ 训练 70 万次自对弈后，AlphaZero 在 24 小时内击败了当时最强的国际象棋程序 Stockfish、将棋程序 Elmo，并完胜 AlphaGo Zero/Lee；④ 与 AlphaGo 相比，去掉了策略价值双网络之外的专家特征，更加通用简洁。
影响与后续发展
AlphaZero 证明了”通用学习算法+自对弈+深度网络”可以跨越具体游戏，无需领域知识即达超人类水平。这一范式启发了 MuZero（无模型/无规则学习）、星际争霸与 Dota 2 的 AI 等，也让”从零学习”成为强化学习研究的主流方向。
查看原始论文（权威链接）
英文原文摘要（Original Abstract，节选）
AlphaZero: We introduce an algorithm based solely on deep neural networks and self-play that, starting from tabula rasa, learns to play the games of chess, shogi, and Go at a superhuman level. Using the same algorithm and architecture, AlphaZero defeated world-champion programs in all three games, demonstrating that a single general-purpose algorithm can master multiple games without human knowledge.
提示：以上英文摘要为原文节选，完整论文请通过上方权威链接查看（原始论文版权归原作者/出版方所有）。