La historia de la IA

AlphaGo Zero y AlphaZero

Etapa 4 · Aprendizaje profundo y modelos fundacionales (2012–2021) › Aprendizaje por refuerzo profundo

Linaje
Datos y aprendizaje
Tipo
Implementación

Quién

DeepMind

Qué ocurrió

DeepMind publica en Nature AlphaGo Zero, que aprende go sin partidas humanas y vence 100 a 0 a la versión que ganó a Lee Sedol (19 de octubre de 2017). Siete semanas después presenta AlphaZero, que con el mismo método domina el ajedrez, el shogi y el go en 24 horas.

Qué aportó

Aprendizaje solo por autojuego, sin conocimiento humano más allá de las reglas. Un único algoritmo alcanza nivel sobrehumano en tres juegos distintos.

Desarrollo

El AlphaGo de 2016 había empezado imitando partidas de expertos. AlphaGo Zero prescindió de ellas: partía de jugadas al azar, conocía solo las reglas y aprendía jugando contra sí mismo. Usaba una sola red, que proponía jugadas y evaluaba posiciones a la vez, guiando una búsqueda en árbol cuyos resultados servían a su vez para entrenarla.

El artículo, publicado en Nature el 19 de octubre de 2017 con el título «Dominar el juego del go sin conocimiento humano», describía su progreso. En tres días superó a la versión que había vencido a Lee Sedol, a la que ganó 100 partidas a 0. En 21 días alcanzó a AlphaGo Master, la versión que había ganado a Ke Jie, y en 40 días superó a todas las anteriores.

El 5 de diciembre, el equipo publicó en arXiv AlphaZero, una generalización del método. Sin adaptaciones para cada juego, y partiendo también de jugadas al azar, llegó en 24 horas a nivel sobrehumano en ajedrez, shogi y go, y venció en cada uno a un programa campeón del mundo. Los mejores programas de ajedrez, en cambio, dependían de funciones de evaluación ajustadas a mano por expertos durante décadas. Las condiciones de la partida contra Stockfish, con un minuto por jugada y sin libro de aperturas, recibieron críticas, y la versión publicada en Science en diciembre de 2018 repitió el enfrentamiento con más tiempo y la versión más reciente de Stockfish: AlphaZero ganó 155 partidas, perdió 6 y empató 839.

El resultado mostró que el conocimiento humano podía ser un punto de partida, pero no un requisito ni un techo.

Vídeos

Viene de

  • AlphaGo vence a Lee Sedol (9 de marzo de 2016)

    Influencia directa documentada

    AlphaGo Zero se mide contra la versión que venció a Lee Sedol, a la que gana 100 partidas a 0 tras tres días de entrenamiento

  • TPU (18 de mayo de 2016)

    Influencia directa documentada

    AlphaGo Zero usa cuatro TPU para jugar, el chip que Google había presentado en mayo de 2016

Hilos que pasan por aquí

Bibliografía

Cómo citar

«AlphaGo Zero y AlphaZero». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/alphago-zero-alphazero

Última revisión de esta ficha: 13 de noviembre de 2026.

Abrir en la cronología interactiva