AlphaGo
Google DeepMind开发的围棋AI，基于强化学习在封闭环境中训练，是游戏AI的代表性成果
核心事实
时间轴 (近 90 天)
AlphaGo的Move 37出现在2016年DeepMind与李世石对弈的第二局第37手，展示了AI能采用人类不会想到的策略
RLVR 范式本质上是 AlphaGo 思路的语言版迁移，因围棋胜负和数学题答案都可被机器裁判
复杂性本身并不孕育意识，国际象棋引擎、AlphaGo、Google搜索系统、Linux内核都是高度复杂但无意识的计算系统
AlphaGo与李世石在韩国的围棋对决点燃了韩国的全民AI热情
DeepMind 开发了 AlphaGo 和 AlphaStar（星际争霸），OpenAI 开发了 Dota 2 团队对战 AI
AlphaGo的策略网络与价值网络是通过海量自我对弈训练出来的，在规则明确、目标清晰的封闭系统中进行搜索与评估
AlphaGo依赖的强化学习范式之所以能产生超人类策略，关键在于奖励信号的明确性与密度，每局对弈都提供清晰的胜负反馈
2016年3月AlphaGo在与李世石的五番棋第二局中下出了著名的'第37手'，落在棋盘第五线上
Google内部早在2015年就已将第一代TPU用于生产环境，支撑Google Search、Google翻译和AlphaGo等业务
AlphaGo的成功令蒙特卡洛树搜索方法广为人知
还有 26 条时间轴事件
全部知识事实 (20)
AlphaGo结合了深度学习与蒙特卡洛树搜索（MCTS），使用策略网络和价值网络两个关键神经网络
90%已验证2016年3月，AlphaGo与李世石在首尔进行五番棋大战，AlphaGo以4:1获胜
90%已验证深度强化学习融合后，AlphaGo击败人类围棋冠军和OpenAI Five成为其标志性应用
75%已验证AlphaGo在2016年击败围棋世界冠军李世石
75%已验证AlphaGo击败人类围棋冠军是强化学习的标志性应用
70%已验证蒙特卡洛树搜索（MCTS）是围棋AI搜索棋局的核心算法之一，在AlphaGo之前已是围棋程序的主流技术
65%已验证AlphaGo Zero完全抛弃人类数据，纯粹从自我对弈中学习，最终达到了比AlphaGo Lee更高的水平
65%已验证DeepMind的AlphaGo通过自我对弈数百万局来习得围棋策略
65%已验证AlphaGo于2016年击败世界冠军李世石，其核心突破在于将深度卷积神经网络与蒙特卡洛树搜索结合
75%待验证在AlphaGo之前，最强的围棋AI仅能达到业余中等水平，与职业棋手之间存在巨大鸿沟
90%待验证过去打造AI Agent主要依赖强化学习（RL）算法，需要为每一个任务训练一个专门的模型
90%待验证全球围棋人口在AlphaGo之后显著增长
75%待验证DeepMind的AlphaGo于2016年用深度神经网络加蒙特卡洛树搜索颠覆了围棋研究路线
70%待验证AlphaGo 系列通过自我对弈提升棋力
60%待验证DeepMind是谷歌旗下的人工智能公司,因开发出击败世界围棋冠军的AlphaGo而闻名
60%待验证谷歌DeepMind整合了原DeepMind（AlphaFold、AlphaGo）与Google Brain（Transformer架构发源地）两大研究团队
60%待验证谷歌拥有自研TPU芯片集群，DeepMind提供基础研究能力，并有Search、Gmail、Google Docs等10亿级日活产品
60%待验证推理时计算的核心思想是在推理时让模型生成更长的思维链，通过自我验证与多路径搜索提升复杂任务的准确率，与蒙特卡洛树搜索在棋类AI中的成功有方法论联系，AlphaGo通过推理时大规模树搜索超越人类棋手
60%待验证AlphaGo的Move 37出现在2016年DeepMind与李世石对弈的第二局第37手，展示了AI能采用人类不会想到的策略
50%待验证RLVR 范式本质上是 AlphaGo 思路的语言版迁移，因围棋胜负和数学题答案都可被机器裁判
50%