OmniTools 5月17日消息，AI研究员Eric Jang近日分享了过去几个月从零开始复现AlphaGo的完整经历。作为2016年推动其进入深度学习领域的标志性AI系统，他最初将其理解为“通过自我对弈训练的搜索增强深度神经网络”，但在实际构建过程中进一步深化了对底层架构与训练机制的认知。
Jang指出，尽管前沿大模型研究仍需高昂投入，但特定垂直能力（如高性能围棋AI）的实现成本正快速下降。截至2026年，仅需数千美元租赁云算力即可完成训练，已不再依赖DeepMind级别的专属基础设施。
目前，Jang已公开分享完整教程与开源代码，并在播客节目中详细复盘了实践过程。他以“围棋与AlphaGo学徒”自谦，并对分享内容的准确性负责。