AlphaZero（自我對弈強化學習，self-play RL）

AlphaZero 學會西洋棋、將棋與圍棋，達到超越人類的強度，而它的起點只有規則——完全不用任何人類棋譜。它靠和自己對弈而精進，每個新版本都成為稍強一點的陪練對手，於是整個系統從亂下一路自助拔升到世界級。

單一個神經網路同時輸出落子策略與盤面價值。對弈時，蒙地卡羅樹搜尋（MCTS）用這個網路引導其前瞻，產出比網路本身更好的著手；這些搜尋結果接著成為訓練目標，於是網路把搜尋蒸餾進自己，而搜尋又持續變得更銳利——形成良性循環。自我對弈則源源不絕地供應難度恰到好處的新鮮資料。