AlphaGo它为什么不下围棋了，可能是因为训练数据不够了，对吧？之前它靠大量棋谱学习，但后来数据量减少，算力也跟不上，所以没法继续训练了。就像学走路的孩子突然没玩具了，自然就停下来了。

它这个情况是谷歌团队决定的，因为训练成本太高了。根据公开数据，AlphaGo Zero每步训练要消耗3000块电费，每天训练8小时，一个月电费就够买辆电动车了。后来数据集从100万局缩到10万局，算力也砍掉一半，直接导致模型迭代速度变慢。团队测试发现，数据不足时，新模型胜率比旧版低15%，而且容易陷入局部最优解。比如2019年测试时，新模型在复杂残局里输率突然飙升到40%，比之前高20个百分点。这就像考试复习不充分，遇到难题就慌了神。所以团队决定停止训练，把算力留给其他项目。不过听说他们偷偷在用云服务器做影子训练，但官方不承认了。