编辑“︁AlphaGo”︁（章节）

== 版本 ==
=== 配置与性能 ===
2015年10月前后的测试中，AlphaGo多次使用不同数目的[[CPU]]和[[GPU]]，以单机或分布式模式运行。每一步棋有两秒的思考时间。最终[[等级分|Elo等级分]]如下表：<ref name="DeepMindnature2016"/>

{| class="wikitable sortable" style="text-align:center"
|- style="background:#ececec; vertical-align:top;" 
!配置!!搜索线程数!!CPU核心数!!GPU数!!Elo等级分的理论峰值
|-
| rowspan="4" align="left" |单机|| rowspan="4" |40|| rowspan="4" |48||1||2,151
|-
|2||2,738
|-
|4||2,850
|-
|8||2,890
|-
| rowspan="4" align="left" |[[分布式计算|分布]]式||12||428||64||2,937
|-
|24||764||112||3,079
|-
|40||1,202||176||3,140
|-
|64||1,920||280||3,168
|}

然而AlphaGo的棋力不断且显著地增长。因此上表并不能代表AlphaGo其他版本的棋力。

而在AlphaGo Zero发布之后，Deepmind表示新的算法令新版的AlphaGo比旧版的耗能量大幅下降10000至40000[[热设计功耗|TDP]]，效能大幅提升。<ref>{{Cite web|url=https://deepmind.com/blog/alphago-zero-learning-scratch/|title=AlphaGo Zero: Learning from scratch|accessdate=2018-02-01|author=Demis Hassabis,David Silver|date=2017-10-18|publisher=|archive-url=https://web.archive.org/web/20171019220157/https://deepmind.com/blog/alphago-zero-learning-scratch/|archive-date=2017-10-19|dead-url=no}}</ref>

=== 配置与棋力 ===
在2016年1月27日，Research at Google發布了有關新版AlphaGo跟其他圍棋軟件，以及樊麾二段的對比如下<ref>{{Cite news|url=https://research.googleblog.com/2016/01/alphago-mastering-ancient-game-of-go.html|title=AlphaGo: Mastering the ancient game of Go with Machine Learning|newspaper=Research Blog|accessdate=2017-07-12|language=en-US|archive-url=https://web.archive.org/web/20170714194944/https://research.googleblog.com/2016/01/alphago-mastering-ancient-game-of-go.html|archive-date=2017-07-14|dead-url=no}}</ref>：
{| class="wikitable sortable mw-collapsible" style="text-align:center"
! rowspan="2" |比對對象
! colspan="3" |Elo等级分
! rowspan="2" |相對水平
|- style="background:#ececec; vertical-align:top;"
!理论峰值
!平均
!上下区间
|-
! align="left" |AlphaGo分布式
|3,275
|3,250
|50
|[[圍棋棋士列表|职业]]五段
|-
! align="left" |AlphaGo
|2,787
|2,775
|25
|职业二段
|-
! align="left" |樊麾二段
|3,250
|2,750
|1,000
|职业二段
|-
!石子旋風（[[讓子 (圍棋)|讓四子]]）
|2,525
|2,500
|50
|约业余9段
|-
!石子旋風
|1,965
|1,940
|50
|业余6段
|-
![[DeepZenGo|Zen]]（讓四子）
|2,300
|2,250
|100
|约业余9段
|-
!Zen
|1,925
|1,900
|50
|比业余6段低
|-
!Pachi（[[讓子 (圍棋)|讓四子]]）
|1787
|1,750
|75
|业余5段
|-
!Pachi
|1,350
|1,345
|10
|比业余3段低
|-
!Fuego
|1,050
|1,045
|10
|比业余1段高
|-
!GnuGo
|450
|450
|0
|比入门5级高
|}

在2017年5月24日，DeepMind团队证实了在乌镇围棋峰会上，所使用的AlphaGo版本是[[Master (围棋软件)|Master]]<ref name="sina0524">{{Cite web|url=http://sports.sina.com.cn/go/2017-05-24/doc-ifyfkqwe0899285.shtml|title=各版alphago实力对比 master能让李世石版3子|date=2017-05-24|accessdate=2017-06-02|publisher=[[新浪]]|archive-url=https://web.archive.org/web/20170603035444/http://sports.sina.com.cn/go/2017-05-24/doc-ifyfkqwe0899285.shtml|archive-date=2017-06-03|dead-url=no}}</ref>，并公布了AlphaGo曾经公开对弈过的版本以及和其他围棋软件比较的图表。其中，新版的AlphaGo Master能让AlphaGo Lee（跟李世乭对战的版本）三子<ref name="sina0524" />。两个版本的AlphaGo自我生成的Elo等级分分别在4750和3750分附近<ref>{{Cite web |url=http://n.sinaimg.cn/sports/transform/20170524/Hphx-fyfkzht0486109.jpg |title=存档副本 |access-date=2017-05-25 |archive-url=https://web.archive.org/web/20170822221715/http://n.sinaimg.cn/sports/transform/20170524/Hphx-fyfkzht0486109.jpg |archive-date=2017-08-22 |dead-url=no }}</ref>，与柯洁九段在5月23日的3620分（[[Go Ratings|非官方排名系统]]所统计的）<ref>{{Cite web|url=https://www.goratings.org/zh/|title=围棋棋手排名|accessdate=2017-05-25|work=www.goratings.org|language=en-US|archive-url=https://web.archive.org/web/20171202203210/https://www.goratings.org/zh/|archive-date=2017-12-02|dead-url=no}}</ref>相差约130到1130分之多。然而，职业棋士樊麾二段替AlphaGo团队的首席研究员[[戴维·西尔弗]]澄清：“当AlphaGo与从未对弈过的人类棋手对局时，这样的优势就不复存在了，尤其是柯洁这样的围棋大师，他可能帮助我们发现AlphaGo未曾展露的新弱点”。<ref>{{Cite web|url=http://sports.sina.com.cn/go/2017-05-24/doc-ifyfkqwe0969707.shtml|title=AlphaGo官方解读让三子 对人类高手没这种优势|accessdate=2017-05-25|work=sports.sina.com.cn|archive-url=https://web.archive.org/web/20170530133020/http://sports.sina.com.cn/go/2017-05-24/doc-ifyfkqwe0969707.shtml|archive-date=2017-05-30|dead-url=no}}</ref>

{| class="wikitable sortable" style="text-align:center"
|+ 配置与性能<ref name="sohu0524">{{cite web|url=http://www.sohu.com/a/143092581_473283|title=【柯洁战败解密】AlphaGo Master最新架构和算法，谷歌云与TPU拆解|publisher=[[Sohu]]|date=2017-05-24|accessdate=2017-06-01|language=zh|archive-url=https://web.archive.org/web/20170917171454/https://www.sohu.com/a/143092581_473283|archive-date=2017-09-17|dead-url=no}}</ref>
|- style="background:#ececec; vertical-align:top;" 
!版本
!使用規則 !!硬件!!Elo等级分的理论峰值!!战绩
|-
| align="left" |AlphaGo樊 (v13<ref name=":2">{{Cite web|url=http://www.alphago-games.com/|title=Alphago Games - Visual Archive|accessdate=2018-02-01|work=www.alphago-games.com|language=en|archive-url=https://web.archive.org/web/20180203085746/http://alphago-games.com/|archive-date=2018-02-03|dead-url=no}}</ref>)
| rowspan="3" |中國規則||176个GPU<ref name="Deepmind20171018"/>，分布式||3,144<ref name="Nature2017"/>||5比0战胜樊麾
|-
| align="left" |AlphaGo李 (v18<ref name=":2" />)||48个[[TPU]]<ref name="Deepmind20171018"/>，分布式||3,739<ref name="Nature2017"/>||4比1战胜李世乭
|-
| align="left" |AlphaGo Master||4个TPU v2<ref name="Deepmind20171018"/>，单机||4,858<ref name="Nature2017"/>||网棋60比0战胜职业棋手；<br />3比0战胜柯洁；1比0战胜人类团队
|-
| align="left" |AlphaGo Zero
| rowspan="2" |川普-泰勒規則||4个TPU v2<ref name="Deepmind20171018"/>，单机||5185<ref name="Nature2017"/>||100:0 战胜AlphaGo李; <br/>与AlphaGo Master 对战胜率达90%
|-
| align="left" |[[AlphaZero]]||4个TPU v2，单机||N/A||60:40 战胜AlphaGo Zero（3天版本）
|}