AlphaZero 为什么让棋界震惊？三天从零自学国际象棋

2026-10-29 发布来源：我告诉你AI导航阅读

2017 年 12 月，DeepMind 在 arXiv 上贴出一篇论文，介绍了他们叫作「AlphaZero」的系统：只教它国际象棋、将棋、围棋的规则，其余全靠自我对弈摸索，最终在国际象棋公开对局中压过了人类棋手沿用了多年的顶尖引擎...

2017 年 12 月，DeepMind 在 arXiv 上贴出一篇论文，介绍了他们叫作「AlphaZero」的系统：只教它国际象棋、将棋、围棋的规则，其余全靠自我对弈摸索，最终在国际象棋公开对局中压过了人类棋手沿用了多年的顶尖引擎 Stockfish。消息传开，棋界与 AI 界同时震动——要知道，国际象棋是人机大战最早的战场，二十年前深蓝赢卡斯帕罗夫靠的是一整套人类知识打底的工程，而这一次，AI 连开局库都不看。这篇讲清楚论文公开了什么，两条路线差在哪里，以及「棋谱知识可以省略」这件事意味着什么。

2017 年 12 月的论文

论文全题是「用通用强化学习算法的自我对弈掌握国际象棋与将棋」，署名团队正是此前做出 AlphaGo 的那批人（见大卫·席尔瓦和 AlphaGo 有什么关系一篇）。就在三个月前的 10 月，他们刚在《自然》发表 AlphaGo Zero，宣布只给围棋规则、丢开人类棋谱，从零自学超越了此前所有版本。AlphaZero 是把同一套方法推到多个棋种的通用版：一个算法，三种棋，各自从规则出发。

按论文公开数据，训练时间以小时和天计——国际象棋数小时，将棋十余小时，围棋十几天，训练用的算力也远小于外界想象中的规模，具体数字以论文公开资料为准。流行说法里「三天从零自学国际象棋」，对应的就是这套公开数据被概括后的量级。论文还附了公开对局记录，供人查验。把人机对弈这条线拉直看：

1997 年，深蓝胜卡斯帕罗夫，人类知识打底的工程路线登顶；2016 年 3 月，AlphaGo 4 比 1 胜李世石；2017 年 5 月，AlphaGo 3 比 0 胜柯洁后宣布退役；2017 年 10 月，AlphaGo Zero 发表，只学围棋规则从零超越旧版；2017 年 12 月，AlphaZero 论文公布，一种算法通吃三种棋。

只学规则的自我对弈

AlphaZero 的训练流程可以用一句话概括：给它规则，让它自己跟自己下，每局结果回过头修正对每个局面、每步棋的评价，如此循环千万局。没有人类对局数据，没有开局库，没有人工设计的局面打分表。按论文报告，训练完成后它与 Stockfish 进行了公开对局，AlphaZero 胜下其中多数、其余多数和棋、败局很少，对局条件与细节以论文公开记录为准。

更让棋手留意的是下法本身：论文展示的对局里出现了大量主动弃子换先手的大胆走法，风格与保守稳健的传统引擎明显不同，却总能把局面导向胜势。公开对局记录后来被棋界反复研究。

与深蓝两条路线的对照

把 1997 年那场深蓝与卡斯帕罗夫之战（见深蓝赢卡斯帕罗夫一篇）放到旁边，两条路线的差别一目了然。深蓝是穷举与评估的工程：人工调校的评估函数、海量棋局知识、专门的硬件，每一步都要「算得深」。AlphaZero 是学习与搜索的组合：神经网络给出直觉式的局面判断与选点范围，再在缩窄后的范围内做精确计算。前者把人类知识写成代码，后者把人类知识整个省略，让机器自己重新发现。

维度	深蓝（1997）	AlphaZero（2017）
知识来源	人工调校的评估函数、海量棋局知识	只给规则，靠自我对弈循环修正
开局库	依赖人类棋局知识打底	不看开局库，也不用人类对局数据
搜索方式	穷举与评估，每一步都要算得深	神经网络给出局面判断与选点范围，再在缩窄范围内精确计算
下法风格	保守稳健	大量主动弃子换先手，把局面导向胜势

从首尔三十七手（见AlphaGo 第 37 手）到乌镇（见AlphaGo 和柯洁的乌镇三局讲什么），再到 AlphaZero，DeepMind 用两年时间把这条路线走到了「不依赖任何人类棋谱」的终点站。

棋谱知识可省略的启示

对棋界而言，AlphaZero 的震动在于一个曾被默认的前提松动了：几百年的开局理论、无数棋手的经验积累，被证明是「有用但并非必需」的。AlphaZero 自我探索出的开局选择，与人类棋谱的流行下法有同有异，异的部分随后也进入了职业棋手的研究视野。此后用类似思路训练的围棋与象棋 AI 成了棋手日常训练的陪练，今天你用智谱清言、豆包这类 AI 应用问「AI 怎么学下棋」，答案的骨架就是这套自我对弈流程。

对 AI 研究者而言，这批工作演示的方法——自我对弈加强化学习——此后被迁移到游戏之外的诸多领域，从芯片布局到排序问题，公开文献里都能查到相关尝试。一套为下棋设计的训练法，成了一批领域问题的通用起点。