AlphaGo（阿尔法狗） 是谷歌DeepMind开发的围棋人工智能程序，是AI史上里程碑式的作品。
核心定位
- 首个在无让子、完整对局中击败人类职业围棋选手、世界冠军的AI。
- 技术上融合深度神经网络+蒙特卡洛树搜索+强化学习，而非传统暴力穷举。
关键里程碑
- 2015.10：5:0完胜欧洲冠军樊麾（职业二段）。
- 2016.3：4:1击败李世石九段（18次世界冠军），全球超2亿人观看。
- 2017初：化名Master，60连胜中日韩顶尖棋手。
- 2017.5：3:0完胜当时世界第一柯洁九段。
- 2017.10：推出AlphaGo Zero，无人类棋谱、纯自我对弈，3天超越原版AlphaGo。
⚙️ 核心技术（极简版）
- 策略网络：判断下一步该下在哪（选最优落子点）。
- 价值网络：评估当前局面胜率（不用算到终局）。
- 蒙特卡洛树搜索：结合两大网络，高效搜索最优路径。
✨ 历史意义
- 证明AI可在极复杂、高直觉领域超越人类顶尖水平。
- 开启深度强化学习在复杂决策领域的大规模应用时代。
AlphaGo的核心工作原理是深度神经网络+蒙特卡洛树搜索(MCTS)+强化学习的创新组合，解决了围棋10¹⁷⁰种可能状态的搜索难题。它用策略网络减搜索宽度、价值网络减搜索深度，让AI在极复杂决策中既有“直觉”又有“大局观” 。
一、核心组件：三大神经网络
1. 策略网络(Policy Network)
- 角色：直觉判断，模拟人类棋感
- 输入：当前棋盘状态(19×19棋盘)
- 输出：所有合法落子点的概率分布，告诉AI“哪些位置最值得下”
- 作用：将搜索范围从约250个合法点缩小到最有希望的几个，大幅提升效率
- 训练：先通过监督学习模仿人类棋谱(3000万步职业棋谱)，再通过自我对弈强化学习优化，形成更强的落子策略
2. 价值网络(Value Network)
- 角色：大局评估，判断当前局面胜率
- 输入：当前棋盘状态
- 输出：单个标量值(-1到1之间)，代表当前玩家获胜概率
- 作用：不用模拟到终局就能评估局面价值，大幅减少搜索深度
- 训练：通过自我对弈数据学习，预测每局最终胜负结果
3. 快速走子网络(Fast Rollout Policy)
- 角色：高效模拟，加速蒙特卡洛树搜索
- 特点：比策略网络更简单、计算更快，牺牲部分准确性换取速度
- 作用：在MCTS模拟阶段快速生成大量对局，评估落子价值
二、决策引擎：蒙特卡洛树搜索(MCTS)
MCTS是AlphaGo的“大脑”，将神经网络的判断转化为最终落子决策，包含四步循环：
1. 选择(Selection)
- 从根节点(当前局面)出发，用UCT算法选择最有潜力的子节点
- 结合策略网络的落子概率与路径的胜率统计(Q值)，平衡“探索新路径”与“利用已知好路径”
2. 扩展(Expansion)
- 到达叶子节点时，用策略网络生成该局面的所有可能落子点，扩展新的子节点
- 为每个新节点初始化统计信息(访问次数、胜率等)
3. 评估(Evaluation)
- 双重评估机制：
- 用价值网络直接评估当前局面胜率
- 用快速走子网络模拟多局到终局，获取胜率统计
- 综合两者结果得到该节点的价值估计
4. 回溯(Backpropagation)
- 将评估结果反向传播到所有祖先节点
- 更新路径上所有节点的统计信息(访问次数、胜率)，让AI记住哪些路径更有价值
三、完整工作流程：从看到棋盘到落子
1. 输入棋盘：获取当前棋局状态
2. MCTS循环：执行数千次上述四步循环，构建搜索树
3. 策略融合：结合策略网络的先验概率与MCTS搜索后的统计数据，生成最终落子概率分布
4. 选择最优：选择搜索树中访问次数最多的落子点(最有把握的一步)
5. 更新状态：落子后更新棋盘状态，进入下一回合
四、强化学习：自我进化的核心
AlphaGo通过自我对弈闭环持续提升棋力：
1. 用当前策略网络进行大量自我对弈(每天百万局)
2. 用每局结果(胜/负)作为奖励信号，更新策略网络和价值网络参数
3. 新网络用于下一轮自我对弈，形成“更强网络→更多高质量对局→更强网络”的正向循环
4. 最终网络在策略和价值判断上超越人类职业棋手水平
五、AlphaGo Zero：终极进化
原版AlphaGo的升级版，实现无人类棋谱、纯自我对弈的突破 ：
1. 只用围棋规则初始化，不输入任何人类棋谱
2. 单神经网络同时输出策略和价值(原两网合一)
3. 自我对弈3天超越原版AlphaGo，21天超越Master(60连胜版本)
4. 核心创新：建立**“神经网络→MCTS→自我对弈→更新网络”**的完全自主进化闭环
六、极简总结：AlphaGo如何思考
1. 看棋盘→策略网络给出落子概率(直觉)
2. 用MCTS在这些点上深入搜索，快速模拟多种可能性
3. 价值网络评估每种可能的胜率(大局观)
4. 综合所有信息，选择胜率最高的落子点
5. 通过自我对弈不断优化网络，变得越来越强
作者:随机生成的我
头条首发，剽窃必究！
