“国际象棋和西洋棋与围棋不同，它们不需要选手对棋局做复杂的形势评估，”乔纳森·谢弗(Jonathan Schaeffer)说道，他是加拿大阿尔伯塔大学的计算机科学家，此前他的Chinook程序曾战胜过顶级的西洋棋选手?！霸诠氏笃搴臀餮笃逯?，只需简单的启发，你就知道下一步该怎么走，衡量各个棋子的价值是选手最重要的任务——如果在国际象棋中多一个车的棋子，那你已经基本胜券在握了。但这些方式在围棋中都行不通，从人类的角度来看，围棋的棋路过于复杂，电脑很难学会。不过AlphaGo做到了，它拥有世界上首个有效的评估函数系统。

那么DeepMind是如何做到的呢？其实解决这个问题的关键是深度学习和类神经网络技术，有了它们，研究人员就能教AlphaGo下棋。就像Google Photos能帮你从无数图片中找出猫咪一样，其背后是该应用对超大量级的猫咪图片做分析后的结果，这些分析处理甚至细化到了像素级别。而AlphaGo能有如此成绩，则得益于对数百万项围棋数据的学习，包括各种棋路和棋手的比赛。

眼下，AlphaGo还在不断学习，其能力也在不断增强。起初，它还是靠学习套路（策略网络）来预测对手的落子方式，不过随着价值网络训练的深入，AlphaGo已经有了那么点“直觉”，它可以分析出比赛的态势了。在棋局中，AlphaGo已经可以通过快速对各种可能性做分析，提前考虑后面几步的落子和排兵布阵了。其实AlphaGo拥有的各项技术都是相互辅助的，类神经网络可以降低电脑的负载，提高工作效率；套路学习则可以减小其搜索范围，而价值网络则可让它从每次的比赛中总结出自己的经验。

AlphaGo拥有自己的“思考”能力

这一增强版的学习系统让AlphaGo变得更像人类，而不是靠惊人计算能力战胜国际象棋大师的IBM深蓝电脑，毕竟围棋和国际象棋在复杂程度上不属于一个量级，用深蓝电脑的方法是无法在围棋上战胜人类的。在五场比赛的间歇，DeepMind都不会对AlphaGo做调整，因此电脑只能靠自己来学习，但每天一场比赛的量确实有些少。此外，DeepMind公司创始人杰米斯?哈萨比斯（Demis Hassabis）称AlphaGo的计算能力在去年十月的比赛后一直都没有得到增强，因此现在它的能力已经达到现有硬件条件下的顶峰。