问为什么人工智能在围棋上能几乎击败全人类？

人工智能围棋赛手运用到的深度神经网络是 Policy Network（策略网络）以及 Value Network（值网络）。策略网络和值网络任务在于合作挑选出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。策略网络负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。这样 AI 就不用给每一步以同样的重视程度，可以重点分析那些有戏的棋着。值网络负责减少搜索的深度——AI 会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑。更通俗的解释是，策略网络着眼于当下，选择下一步走法。值网络思考得更加长远，预测棋局的走向。DeepMind 用人类围棋高手的两千万步围棋走法训练 AI，这种方法称为监督学习（supervised learning），然后让 AI 和自己对弈，这个流程称之为强化学习（reinforcement learning）。征服围棋最重要的意义在于，这些人工智能赛手不仅是遵循人工规则的“专家”系统，它还通过深度学习技术自行掌握了如何赢得围棋比赛。

深度学习是机器学习的一个分支，机器学习这个概念认为，对于待解问题，无需编写任何专门的程序代码，只需要输入数据，算法会在数据之上建立起它自己的逻辑。深度学习强调的是使用的模型，最流行的是被用在大规模图像识别任务中的卷积神经网络，有了这些神经网络，再加上强大的计算能力，必然能赢过人类。

通过计算，围棋的每一步都能在人工智能的预测之内，只是发生的概率大小的问题罢了