大卫的团队创造的阿尔法狗（AlphaGo）算法在2017年5月击败了世界第一围棋选手柯洁。Deepmind团队用世界顶尖棋手的3000万步棋来训练算法，创造出了阿尔法狗。阿尔法狗随后又通过不断与自己的另一个版本对弈来提高自己的棋艺。最终，算法将三方面的能力集于一身：它是一部有关围棋的百科全书；它是一个能够通过下棋来提高棋艺的神经网络；它是一个可以通过计算找到最优下法的强大机器。这是一项令人印象深刻的工程学壮举，但它到底是一个专业性很高的算法，因为它只能下围棋。
大卫也参与了雅达利游戏项目，所以我认为，在如何平衡设计高专一性的（比如下围棋的算法）和训练算法从零开始学习这个问题上，他会有更深刻的见解。我通过邮件问了他一系列相关问题，但他让我耐心等待，因为“几周后的新论文”就能回答我的问题。
事实证明，我的耐心得到了回报。2017年10月19日，大卫和他的团队在《自然》杂志上发表了一篇关于全新一代阿尔法狗-零（AlphaGoZero）的文章，阿尔法狗-零碾压了之前的所有阿尔法狗算法。不仅如此，这个算法是在没有人帮助的情况下自学的。大卫和他的同事设计了一个神经网络，让它“左右互搏”、自我对弈，几天后它就成为了世界上最出色的围棋选手。
阿尔法狗-零留给我的印象远比电脑在国际象棋或扑克比赛中获胜的场面深刻，甚至也比大卫的第一个围棋冠军阿尔法狗-樊留给我的印象更深。因为这一次的阿尔法狗－零没有规则手册，也没有专门的搜索算法。这台机器通过一局又一局的对弈，一路从新手蜕变为大师，最后变得不可战胜。这是一个完全依靠自学来挑战极复杂游戏的神经网络。
大卫告诉我，尽管谷歌还没有尝试让阿尔法狗-零玩《吃豆人女士》，但他认为这个算法没有任何理由玩不了这个游戏。DeepMind的神经网络能够在多大程度上学会从零开始解决不同的问题？对于大卫来说，阿尔法狗-零这位新的围棋冠军已经回答了这个问题。他对他的同事强调，“你只需要告诉它游戏规则，（神经网络）就会在错误及新的尝试中学习。”
第三部分 人智能的未人类了吗？
213