AlphaGo在2016年三月4:1战胜围棋世界冠军李世石，改进后的Master版本2017年5月3:0战胜柯洁后，Deepmind又用新的算法开发出了AlphaGo Zero，不用人类的对局训练，完全自我对局，训练3天后即战胜了AlphaGo Lee，训练21天后击败了AlphaGo Master。
Deepmind发表论文后，之后的围棋AI都是根据AlphaGo Zero的论文来实现的。其中腾讯开发的绝艺被用在国家队的训练，Facebook开发出了Elf Go（14比0击败了韩国棋院棋手），腾讯微信团队开发的Phoenix Go(金毛测试)，还有本文要介绍的LeelaZero，其中后面三个AI是开源的。
leela zero 下载地址是: https://github.com/leela-zero/leela-zero/releases
如果不用显卡，可以下载"leela-zero-0.17-cpuonly-win64.zip"，用显卡的话，就是"leela-zero-0.17-win64.zip"。显卡的速度比CPU快很多。
上面的围棋软件都只是游戏引擎，要用图形界面下棋，需要支持GTP协议的软件，我们这里选择Sabaki。
Sabaki下载的下载地址是: https://github.com/SabakiHQ/Sabaki/releases
leela zero的权重文件的下载地址是: https://zero.sjeng.org/best-network，权重文件更新是在http://zero.sjeng.org上，和AlphaGo Zero一样，新的权重文件只有能够战胜老的权重文件55%，就会用新的权重文件来进行下一轮的训练。下载下来的文件不需要解压。
Sabaki配置，点"Manage Engine"后，点"add"，分别输入名字，leelaz.exe的全路径，leelaz的参数，最后是gtp协议的参数，"0 10 1"代表每走一步思考10秒钟。
和AGZ一样，LeelaZero落子的选择会结合价值网络的评估，和蒙特卡罗推演(rollout, 模拟一个完整的棋局)的结果。Deepmind使用TPU训练，每步需要0.4s，会进行1600的rollout，那我们看下用消费级的PC的计算力怎么样。
i7 7600U CPU和HD620，CPU每10秒钟可以模拟16次，集成显卡可以模拟75次，性能差了5倍。
1050ti，每10秒钟可以模拟600次完整的棋局。
2060，每10秒钟2200次。
需要注意的是，Nvidia在20系显卡加入专门的深度学习模块Tensor Core，如果以后的LeelaZero版本能把Tensor Core利用起来，rollout的速度应该会提高很多。
网上收了块470矿卡，不过Leela初始化失败了。
Sabaki加上leela zero虽然强大，但如果想用围棋AI复盘，最好的使用lizzie软件。下载地址是https://github.com/featurecat/lizzie/releases。这个leezie带的是leela 0.16版本的，可以用下载下来的leela zero 0.17版本里的leelaz.exe直接替换。lizzie启动需要java的运行环境，网上找个JRE安装就可以了。
运行的话，可以在解压后的目录，创建一个start.bat文件，内容是
java -jar lizzie.jar
下次就可以直接双击bat文件启动了。
lizzie目录下面有个config.txt，里面可以配置选择哪个权重文件。可以把下载下来的权重文件放到lizzie目录，修改"network-file"参数指向该文件。
lizzie打开后，按住x键不动，可以看到帮助，常用的有：o是打开保存的.sgf文件，s是保存当前棋盘，空格是打开/关闭思考。
每一步都有推荐的落子点和对于的胜率分析。
光标放到推荐的落子点上，会看到该点的推演。
有兴趣的可以下载ELF Go https://dl.fbaipublicfiles.com/elfopengo/play/play_opengo_v2.zip和Phoenix Go https://github.com/Tencent/PhoenixGo/releases/download/win-x64-gpu-v1/PhoenixGo-win-x64-gpu-v1.zip，不过都需要支持CUDA的GPU。在我的机器是，Leela基本上都可以战胜ELF和Phoenix。
在Sabaki里配置ELF和Phoenix。
围棋ai的意义：
自学围棋方便很多，随时都有一个顶级高手陪你下棋。
用来复盘。
用围棋AI来验证一些下法。
不推荐用围棋AI去一些围棋平台遛狗。
