AlphaGo Zero
AlphaGoとは別物
人間の記譜データを使わない
GPT5.icon
学習データの違い
AlphaGo
人間のプロ棋士の棋譜で教師あり学習
その後、自己対戦で強化学習
AlphaGo Zero
棋譜を一切使わない
ルールだけを与え、自己対戦のみで学習
モデル構成の違い
AlphaGo
方策ネットワーク（Policy）
価値ネットワーク（Value）
さらに高速なロールアウトなど複数要素
AlphaGo Zero
単一のニューラルネットが
次の一手の確率（方策）
勝率（価値）
を同時に出力