Metraipolis › archive › dc_653278eac2db
AlphaGo Zero — Wikipedia (es)
- Source
- Wikipedia (es)
- Original
- https://es.wikipedia.org/wiki/AlphaGo_Zero
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-06T16:49:39.486Z
- SHA-256 of the archived text
e892963913403cb70940bf086e3cb7b003cf597915bc35ef0c5be7cd96dbfb83- Stable URL of this page
https://metraipolis.com/documento/dc_653278eac2db
How to cite
AlphaGo Zero — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/AlphaGo_Zero (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_653278eac2db (Metraipolis archive dc_653278eac2db, sha256 e892963913403cb70940bf086e3cb7b003cf597915bc35ef0c5be7cd96dbfb83)
BibTeX
@misc{dc653278eac2db,
title = {AlphaGo Zero — Wikipedia (es)},
howpublished = {Wikipedia (es)},
url = {https://es.wikipedia.org/wiki/AlphaGo_Zero},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_653278eac2db; sha256 e892963913403cb70940bf086e3cb7b003cf597915bc35ef0c5be7cd96dbfb83},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/AlphaGo_Zero. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
AlphaGo Zero es una versión del software AlphaGo de DeepMind. El equipo de AlphaGo publicó un artículo en la revista Nature el 19 de octubre de 2017, presentando AlphaGo Zero, una versión creada sin utilizar datos de juegos humanos y más potente que cualquier versión anterior. Al jugar contra sí mismo, AlphaGo Zero superó la fuerza de AlphaGo Lee en tres días al ganar 100 juegos a 0, alcanzó el nivel de AlphaGo Master en 21 días y superó todas las versiones antiguas en 40 días. Entrenar inteligencia artificial (IA) sin conjuntos de datos derivados de expertos humanos tiene implicaciones significativas para el desarrollo de IA con habilidades sobrehumanas porque los datos de expertos son "a menudo costosos, poco confiables o simplemente no están disponibles". Demis Hassabis, cofundador y director ejecutivo de DeepMind, dijo que AlphaGo Zero era tan poderoso porque "ya no estaba limitado por los límites del conocimiento humano". Además, AlphaGo Zero funcionó mejor que los modelos de aprendizaje profundo con refuerzo estándar (como las implementaciones de DQN ) debido a su integración de la búsqueda de árbol de Monte Carlo. David Silver, uno de los primeros autores de los artículos de DeepMind publicados en Nature sobre AlphaGo, dijo que es posible tener algoritmos de IA generalizados eliminando la necesidad de aprender de los humanos. Posteriormente, Google desarrolló AlphaZero, una versión generalizada de AlphaGo Zero que podía jugar ajedrez y Shōgi además de Go. En diciembre de 2017, AlphaZero venció a la versión de 3 días de AlphaGo Zero ganando 60 juegos a 40, y con 8 horas de entrenamiento superó a AlphaGo Lee en una escala Elo. AlphaZero también derrotó a un programa de ajedrez superior (Stockfish) y a un programa de Shōgi superior (Elmo). Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «aprendizaje por refuerzo»). Fonte: Wikipedia in spagnolo, voce «AlphaGo Zero» — https://es.wikipedia.org/wiki/AlphaGo_Zero Wikidata Q42259287 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q42259287 Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/AlphaGo_Zero?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 175415128, consultata il 2026-10-06T15:19:11.103Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 733c15ef272e3d6f1538f7c48a55df738c783644fe823e05370085be7fa04388