AlphaGo Zero
AlphaGoとは別物
人間の記譜データを使わない
学習データの違い
AlphaGo
人間のプロ棋士の棋譜で教師あり学習
その後、自己対戦で強化学習
AlphaGo Zero
棋譜を一切使わない
ルールだけを与え、自己対戦のみで学習
モデル構成の違い
AlphaGo
方策ネットワーク（Policy）
価値ネットワーク（Value）
さらに高速なロールアウトなど複数要素
AlphaGo Zero
単一のニューラルネットが
次の一手の確率（方策）
勝率（価値）
を同時に出力
"Engineer's way of creating knowledge" the English version of my book is now available on [Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from [Scrapbox] at [Edit]