※ 引述《ginstein (迈向学术之路)》之铭言：
: Max11 的内容，很多 CS, ML, NN 等高手不能接受，
: 人类最顶尖职业棋手就是输了没错，(卷积)类神经网络,MCTS,SVM等方法效用无穷，
: 高手们认为不懂技术问题的人，才会想替人类尊严找理由，
: 不可否认顶尖职业棋手整体表现，经过三盘对局，远远比不上 AlphaGo，
: 但是我想也许有其他一些人，认为好的算法 H 在差劲的硬件上执行，
: 输给普通的算法 M，在强悍硬件上执行的效率，无法推得算法 H 比 M 差，
: 最好的比较方式当然是把 H 和 M 放在同一个平台上执行比较效率，
: 但是无法放在同个平台时，该怎么比较算法的执行效率呢？
: 另一个有趣的议题是，是否可以更有效用更少的练习盘数达到现在 AG 的效果呢？
: 类似地，其他算法(可能是 H), 3000w 自弈能否达到比 AG 高的棋力？
: 这应该不失为可以讨论的议题，不过在 GO 版不太合适，有 AI 版吗？
目前有一个想法：
如果Google释出AlphaGo自训练的几千百万棋谱
也许会发现 最有可能造成胜负的棋是 模仿棋开局!!
(Value function 总是徘徊在 50 50 附近啊 因此电脑的判断意义不大)
基于贴目的条件 在最适当的时候脱离模仿 一举击溃对手
也许Google团队有这种秘密也说不定
因为一旦这种秘密被大众知悉 围棋就塴溃了