之所以 AlphaGo Zero 比通过人类数据学习获得更好的成绩，是因为：
首先，AlphaGo Zero 仅用棋盘上的黑白子作为输入，而前代则包括了小部分人工设计的特征输入。
其次，AlphaGo Zero 仅用了单一的神经网络。在此前的版本中，AlphaGo用到了“策略网络”来选择下一步棋的走法，以及使用“价值网络”来预测每一步棋后的赢家。而在新的版本中，这两个神经网络合二为一，从而让它能得到更高效的训练和评估。
第三，AlphaGo Zero 并不使用快速、随机的走子方法。在此前的版本中，AlphaGo用的是快速走子方法，来预测哪个玩家会从当前的局面中赢得比赛。相反，新版本依靠地是其高质量的神经网络来评估下棋的局势。
阿尔法狗的学习围棋知识的过程
;){kind=link}