不过，Alphago这个人工智能到底厉害在哪里，此“狗”的优势何在，还是很值得细说一二的。

其实在游戏领域，计算机程序击败人类决非罕见。第一个被计算机攻陷的经典游戏是井字棋（noughts and crosses），也叫tic-tac-toe。如果你不熟悉这个名字的话……

……这个你肯定玩儿过。

计算机“拿下”之前这些益智或棋类游戏，依靠的主要都是树状检索技术。简单来说，如果把游戏中每一步能做出的选择数设为b，把游戏进行的步数设为d，那么计算机就只需要从bd种可能性中计算出一个最优解。然而说来简单，但有时候这个数值太大了……计算机算不过来。

为了减少计算量，要么通过估算树状检索中某些路径的价值，把它砍了，也就是减小d——用这个办法计算机攻克了国际象棋、西洋跳棋和黑白棋。

或者也可以通过评估每一步中不同走法的可能性去减小b，用这个办法计算机又搞定了西洋双陆棋和拼字游戏。

但是围棋比这些都要困难得多。在国际象棋中，b≈35，d≈80；而在围棋中，b≈250，d≈150。也就是说，围棋中的可能路径比国际象棋多10100多倍，这个数字比宇宙中全部的原子数量总和还要多。

Alphago结合了原有的树状检索方式，但是它在这种检索中训练出了两种全新的深度神经网络：策略网络（policy network），用于判断下一步的落子位置；价值网络（value network），用于判断获胜几率。不仅如此，它还有加强学习（reinforcement learning）的能力，依靠自己和自己下棋，它的神经网络不断加强。

通过上图我们就可以看出，和现有的计算机围棋程序相比，Alphago是具有压倒性优势的。

然而到目前为止，有一个领域计算机和人工智能的发展依然前路漫漫，那就是大名鼎鼎的——“机翻”。尽管谷歌翻译一直在建立强大的语料数据库，用跟Alphago有几分异曲同工之妙的检索方式寻找最优解，但对于和英语差别比较大的语言，还是心有余而力不足，经常就会变成……

现在像谷歌翻译这样的团队也在积极寻求人类翻译者的帮助，通过不断纠正错误的方式让翻译系统学习进步。所以到目前为止，机翻网翻，都不如……