最近，DeepMind 的 AlphaZero 国际象棋算法比之前最好的国际象棋软件 Stockfish 做得更好。我阅读了使用通用强化学习算法通过 Self-Play 掌握国际象棋和将棋的论文，但我不确定是否：
是否为每个棋子指定了一个值（例如，1 代表典当，3 代表马，9 代表皇后等）来训练算法，还是算法自己学习？
我读到该算法使用蒙特卡洛树搜索，但是对已经使用 MCTS 的先前国际象棋算法的关键改进是什么？
有希望能够在普通计算机上运行它吗？他们说这需要 9 个小时的学习（从除了规则之外的几乎 0 知识开始（也许对一件作品有价值？））和 2400 万场比赛。使用普通计算机可能在 1 个月内可行吗？
是否为每个棋子指定了一个值（例如，1 代表典当，3 代表马，9 代表皇后等）来训练算法，还是算法自己学习？
不，没有分配给片段的明确值，没有手动构建的评估函数。该论文指出，除了游戏规则（运行模拟/运行搜索算法如 MCTS 所必需）之外，算法“没有领域知识”。
我读到该算法使用蒙特卡洛树搜索，但是对已经使用 MCTS 的先前国际象棋算法的关键改进是什么？
关键改进在于深度学习（深度神经网络）、强化学习和自我游戏与 MCTS 相结合的方式。这与 AlphaGo Zero 之前在围棋游戏中使用的方法非常相似。之前（很可能）已经有深度学习 + MCTS 的组合（例如，使用学习的神经网络来偏置 MCTS 中的推出），但它们在 AlphaZero 中组合的具体方式至关重要（特别是使用MCTS 作为神经网络的训练信号之一）。我们在这里谈论谷歌可能也有帮助，它有能力使用数千个张量处理单元 (TPU) 进行培训。
是否有希望能够在普通计算机上运行它？他们说这需要 9 个小时的学习时间（从几乎 0 知识开始，除了规则（也许还有价值？）），以及 2400 万场比赛。使用普通计算机可能在 1 个月内可行吗？
根据论文中的信息，我对此表示高度怀疑。如上所述，训练是使用数千个 TPU（特别是 5,000 个第一代 TPU 和 64 个第二代 TPU）并行完成的。一个月只是论文中报告的 9 小时训练时间的 80 倍左右，而所有这些 TPU 都远远超过 80 台普通计算机。
训练后，它很可能可以在相当普通的计算机（或者高端计算机）上运行。但首先需要更多的力量来训练。