为何AlphaGo Zero如此成功，而人工智能离整体成功仍然遥远？

　　撰文 | 周熠

　　前言

　　AlphaGo Zero [1]提出了新的估算搜索评价函数的方法，即基于蒙特卡洛树搜索的强化学习；部分地解决了超大状态空间搜索的难点；成功地应用到围棋领域并完胜了人类；证明了强化学习的有效性，是人工智能史上一座里程碑。其学术贡献中上，学术意义上，社会影响上上。

　　AlphaGo Zero虽然不是开创性工作，但它所提出的方法很好地结合了已有的两种重要方法。对于类围棋智力游戏，AlphaGo Zero是一个重要的结论性工作。但故事并没有完全结束，因为围棋的必胜策略还没找到。对于能转化成搜索问题的人工智能领域和难点，AlphaGo Zero有很大的用武之地，但这需要研究者们的艰辛努力。而对于人工智能其他领域和难点，或许能触类旁通。但至少目前，AlphaGo Zero并不能提供直接帮助。