其实明白计算机原理的人都知道，一旦计算机的能力超过人类，就永远无法追赶。尽管计算机不是每一步棋都完美无缺，但它的计算是以“胜率”作为基础的。当人类下出一步棋以后，计算机会计算一遍胜率，同时它会在胜率比较高的下一步中，选择落子。不可否认，人类也会下出完美无缺的棋，但很难在一盘棋中保持几百手都不犯错误。尤其在纷繁复杂的局面面前，人类的计算力和判断力是完全无法与计算机相提并论的。一步小小的错误，就足以断送一盘棋。正所谓“一着不慎，满盘皆输”。

输了棋的人类，终于改变主意，拜计算机为师。现在计算机系统已经成为各专业棋手的唯一老师。几千年来的围棋理论，被计算机重新定义，并且毫无争议。

可以说，人类几千年的积累，比不上计算机几年的积累。这是计算机的可怕和厉害之处。

人们好奇，如果两台计算机对弈，结果会如何呢？事实上，在ALPHA GO研制的过程中，计算机完成了几千万次对弈，其中主要是与自己对弈。以验证非常复杂的算法。如果分析计算机的棋谱，我们可以发现，其与人类的围棋理论既有相似之处，也有大相径庭的地方。人类的思维方式因计算机而大为改变。

有意思的是，计算机自己对弈也会分出输赢，有时是先手输，有时是后手输，并且每一盘的棋谱也不一样。这就说明，计算机下的棋也并非“最优”。还有一点就是，双方的“胜率”非常接近，且交替改变，并不会出现一边倒或脆败的局面。

ALPHA GO 是人类第一次推出具有“智能”的计算机系统，其实，这种“智能”也仅仅是一种优化算法而已，与真正的人类智能还是相去甚远。为什么这样说呢？这是因为所谓的“智能”或“智慧”，从其定义来说，要具备“感知、分析、决策”的能力，一般来说，人们将“感觉、记忆、回忆、思维、语言、决策、行为”的整个过程称为智能过程。计算机到目前为止，其感觉是片面的，其思维和行为是受程序代码控制的，而非完全自主的。

优化目标很重要。做过优化设计的人都会知道，所谓的最优解往往并不存在或很难求解，所以，计算机的每一次运算，如果都要求求解最优解，可能一方面要耗费很长时间，另一方面，很可能无解，会造成无限等待。因此，我们有理由认为ALPHA GO在计算时，并不一定要求解最优解，而是只要找到一个“较优”的解即可。而这个“较优”的解，只要符合几个条件即可：其一是尽可能提升“胜率”，第二是尽可能保持“胜率”大于50%，这样即可以立于不败之地，第三是尽量简化过程，把变数降低到最少，第四是如果无法达到前面两点，也不要超时。据说李世石赢了ALPHA GO的那盘棋，在李世石下出“神之一手”时，ALPHA GO也做了“长考”，其实，它已经找不到满足以上前面两个条件的解了，只是在即将超时时，胡乱下了一手而已。还有一点，就是我们经常看到，计算机“遇强愈强”，而在局面领先后，并不急于赶尽杀绝。因为对它而言，找到了一个“次优”的解即可。显然，对于人类而言，不要死记硬背计算机的招数和招法，尤其是在计算机局面领先时，因为这时计算机也往往会下出一些缓手。有些人对此过度解读，认为计算机有智能，会手下留情，其实是自作多情而已。