Віха · 9–15 березня 2016 р.
Система DeepMind AlphaGo виграла матч у го проти Лі Седоля з рахунком 4:1.
Го вважали задачею, де перебір варіантів не працює. Поєднання навчання й пошуку показало, що оцінку позиції можна вивчити з даних та самогри.
Джерелом наведено статтю в Nature, опубліковану до матчу: вона описує систему, а не сам матч.
Nature · Опубліковано 27 січня 2016 р.
Обидва записи стосуються публічних матчів, у яких система грала проти найсильніших людей.
Та сама лабораторія і та сама лінія привели до AlphaGo через три роки.
Прибрано останню людську складову: жодних партій людей у навчанні.
Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning AlgorithmПідсумковий допис сам відсилає до матчу з Лі Седолем 2016 року, ходи якого, за DeepMind, дали світу ґо нове знання.
AlphaGo's next moveСтаття протиставляє два процесори Pluribus під час гри 1 920 процесорам і 280 відеопроцесорам AlphaGo в матчах 2016 року.
Superhuman AI for multiplayer poker (Brown and Sandholm, Science 365:885-890), author copyПрепринт порівнює себе з AlphaGo: у 50–150 разів більший пакет, у 20 разів більша модель і в 25 разів довше навчання.
Dota 2 with Large Scale Deep Reinforcement Learning (Berner et al., arXiv:1912.06680v1)