上一篇博文詳細介紹了AlphaGo的核心演算法蒙地卡羅搜尋樹 ，但是還是沒有說明AlphaGo的超強棋力是如何練成的。
我們還是從原文開始，第一代AlphaGo使用了兩個獨立的深度網路：策略網路Policy Net和價值網路Value Net，兩個網路需要獨立訓練。第二代的AlphaGo Zero以及AlphaZero則使用了更加簡化優雅的網路架構：統一了深度神經網路 部份，只是將網路輸出修改為Policy和Value兩個頭。
對比AlphaGo Lee和AlphaGo Zero兩個版本，只能用一句話來形容：「大道至簡 」。
一、和AlphaGo Lee的區別
| 訓練數據集 | 輸入數據 | 網路結構 | MCTS搜尋 | |
|---|---|---|---|---|
| AlphaGo Lee | KGS上的16萬個高手棋譜（2940萬手棋）+自我對弈 |
19x19x48個特征面
Feature planes（落子、提子、征子等） |
策略網路和價值網路獨立 | 透過MCTS rollout來評估每一步價值 |
| AlphaGo Zero | 490萬局自我對弈 | 19x19x17只使用黑方和白方的落子作為輸入數據 | 統一的策略+價值網路 | 不需要rollout，只用策略網路的價值 |
二、網路架構
AlphaGo Zero的策略網路分為三個部份：輸入層、多個殘留誤差網路 block、雙頭輸出層（）
1、輸入層
AlphaZero策略網路 的輸入封包含了黑白雙方過去8手的落子，以及當前落子的顏色。數據格式為19x19x17： s_{t}=[X_{t}, Y_{t}, X_{t-1}, Y_{t-1}, ..., X_{t-7}, Y_{t-7}, C]
其中C是當前棋手X的落子顏色（黑色為1，白色為2）， X_{t} 是當前棋手X的所有落子， Y_{t} 是對方棋手Y的所有落子。 X_{t-1} 是棋手X在上一手時的所有落子，以此類推。
2、摺積Blocks
為了學會非常復雜的圍棋棋形，需要相當深度的神經網路，AlphaGo Zero設計了基於CNN和Residual殘留誤差網路的Residual blocks結構，每個block的組成為：
（1）摺積網路Conv2D( filters=256, kernel_size=(3,3), stride=1, padding=0)；
（2）正則化層Batch normalisztion；
（3）relu非線性啟用函式
（4）摺積網路Conv2D( filters=256, kernel_size=(3,3), stride=1, padding=0)；
（5）正則化層Batch normalisztion；
（6）殘留誤差連線 （skip connection）
（7）relu
3、輸出頭
網路有兩個輸出頭：
Policy Output：
（1）Conv2D(filters=2, kernel_size=(1,1), stride=1, padding=0)；
（2）正則化層Batch normalisztion；
（3）relu
（4）全連線輸出層 size=362，19*19 + 1，表示361種落子以及pass的機率
Value O
