的，业余选手极难弥补。另一方面，在计算机科学界，懂得蒙特卡洛搜索算法原理的人都知道，这种算法主要是利用抽样统计来提高搜索效率，单用此算法确实难有提高空间。这是Alpha Go出现前，围棋界和计算机科学界两方面都不敢奢望人机大战即将到来的根本原因。

深度学习改变了一切。

使用深度学习并结合蒙特卡洛搜索的Alpha Go已注定被写入历史。Alpha Go问世的第一年内，其实进入大家视野的是三个版本：5︰0击败樊麾的内测版本，4︰1击败李世石的版本，以“Master”（大师）网名60︰0快棋挑落中日韩高手的版本。三个版本演进脉络明显，每次迭代都有重大升级。最后这个网名为“Master”的版本也基本是2017年Alpha Go挑战柯洁的一个“预览版”。

从围棋角度说，Alpha Go最震撼的是计算机在人类传统认为极其玄妙的、电脑无法掌握的“大局观”上突飞猛进，远远将人类选手甩在身后。电脑计算“大局观”的方式，和人类培养“大局观”的思路，有根本的差别。人类不可能在这方面赶上电脑。和樊麾对局的棋谱基本上还看不出Alpha Go的大局观有多强，和李世石对局就下出了聂卫平赞不绝口的五路肩冲，到了Master的60局，大局观体现在两个地方：

第一，自始至终对局势的把握，比如第60局古力用Alpha Go的思路对付Alpha Go，把中央撑得很满，但Alpha Go不紧不慢，总是恰到好处地保持胜势。

第二，Alpha Go已经深刻影响人类对布局的思考，大飞守角之类的变化迅速被人类棋手模仿，这和当年深蓝问世后，国际象棋的布局革命是一样的。

基于Alpha Go的思路，其他围棋软件的水平也突飞猛进。仅2017年年初就有日本研发的Deep Zen Go和腾讯人工智能实验室开发的“绝艺”达到了人类九段或以上的水平。腾讯“绝艺”不仅面对人类高手保持了绝对优势，还战胜了Alpha Go以外的各路围棋软件，取得了2017年UEC杯计算机围棋大赛的冠军。

以后AI和AI之间的竞赛，应该会不断促进AI提高。人类虽望尘莫