从我对该主题所做的简短研究来看，Deepmind 的 Alphazero 或 Muzero 做出决策的方式似乎是通过蒙特卡洛树搜索，其中随机模拟允许比传统的 alpha-beta 修剪更快速的计算方式. 随着模拟空间的增加，这种搜索接近经典的树搜索。

Deepmind 到底在哪里使用了神经网络？是在评价部分吗？如果是这样，他们是如何决定什么是“好”或“坏”的游戏状态？如果他们推迟了对像 Stockfish 这样的另一个国际象棋引擎的评估，我们如何看待 AlphaZero 在面对面的比赛中绝对摧毁 Stockfish？