※ 引述《SangoDragon (SANGO)》之铭言：
: 人类在下围棋时,会研究很多下法
: 如果这样那就应该那样,并且成棋谱
: 那些棋谱套路大部分都是经过分析或统计的
: 例如下在这,那对我以后占地比较有利等等
: 其实很多套路都已经变成一定的准则
: 但现在 alpgaGo zero 完全不用人类的套路
: 就以 100:0 打败 alpgaGo 李世石版本
: 这代表所有 3000年人类用经验 统计 计算 归纳出来的方法 都是有死角的
: 这些死角被 alphaGo zero 学几天就攻破了
: 所以我们现在的很多经验法则看似都是可能比较有赢面的,但不一定是
: 以前的棋手靠这些套路学习可以下很久,因为大家都没走出这个范围以外
: 所以这将有帮助人类在其他方面,例如医学等等
: 找出人类无法识出的盲点
: 而且这比人类在死角范围内研究几千年还强
: 有没这方面的八卦?
电脑其实不知道这个叫赢，那个叫输
他只是跑一次，跑出结果
依人类判断，这个是赢，那个是输
然后跑了N次后，归纳那些走法比较会达到所谓“赢”，那些走法是输
也就是所谓死角、盲点的产生是需要人类介入判断才会有的
电脑就只是在那1+1=2而已
也就是透过电脑高演算的优点
经过一个特定设计条件，模拟一个人超多次学习后的结果
但整个设计跟应用还是需要人类
所以在单纯的特定有限规则下的应用
是有其优点
比如下棋
比如影像识别来开车
有些应用，得等到所谓强人工智能才能处理更复杂的事物
而弱人工智能大多只能处理特定的问题
比方说
女友：“你爱不爱我？”
这种极其复杂的应用
弱人工智能无法发自内心的回答：“醒醒吧！”