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
- AlphaGo Zero: Starting from scratch (se abre en una pestaña nueva) (Google DeepMind · en inglés)
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
- De Atari al go (paso 4 de 4)
Bibliografía
Fuente original
- Mastering the game of Go without human knowledge. Nature, 550(7676), pp. 354-359 (se abre en una pestaña nueva). David Silver, Julian Schrittwieser y otros, 2017
- Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm (arXiv:1712.01815) (se abre en una pestaña nueva). David Silver, Thomas Hubert, Julian Schrittwieser y otros, 2017
- A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play. Science, 362(6419), pp. 1140-1144 (se abre en una pestaña nueva). David Silver, Thomas Hubert, Julian Schrittwieser, Ioannis Antonoglou y otros, 2018
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.