能力，但其与人类相比还有很大的差距，人类并不需要太大惊小怪。人类只需要更多地了解目前机器智能的本质，在实际对弈中去了解机器的强项和弱势，相信人类很快能找到发挥人类优势战胜机器的方法。

小结：

也许后面李世石接着输了，也许柯洁也被AlphaGo超越了，也许以后博弈类的游戏人类再也不是机器的对手了，但我们依然觉得，把AlphaGo的原理搞清楚了，像IBM的深蓝一样让我们对它知根知底，就是它最大的破绽。

目前网上分析AlphaGo的文章一大推，因为晦涩难懂，引发了人类对它的敬畏，或者说对它的恐惧，但我们若把它往简单里看。

1997年的IBM深蓝依靠计算力和暴力穷举，超越了人类在国际象棋上的局限。

2009年的时候，一个叫做Hinton的老头第一次把他研究了近30年的深度神经网络介绍给了做语音识别的学者，到了第二年语音识别领域就发生了巨大的突破。

于是深度学习网络像开了挂一样开始向人工智能的各个领域蔓延，并开始出现CNN、RNN等更多具体的变种。

直到2016年3月，它用在围棋游戏上跟人类对弈。

那怎么简单描述深度网络在围棋上的应用呢？

“我的理解，两个深度网络的工具，Policy Network+Value Network通过评估每一步收益，用来简化蒙特卡洛树（AI框架）的搜索空间，取得落子最优和时间消耗的平衡。”杨钊如是说。