很多覺得AI退讓或亂下的，真要怪可能要去怪google，因為google這個AI的
基本要求和人類期望看到的神之電腦不完全相同，這個AI能做到的就是像柯
潔說的：讓人類對手下起來覺得毫無希望。
就像在比賽車
棋界期望中的AI是：
展現完美甩尾技巧，加速減速時機也完美掌控，跑出最佳時間讓人看看高手
的差距有多少
但實際上這個AI是：
只求贏，不追求完美。和人類車子競爭激烈時會展現高超技巧設法領先；
一旦超出幾個車身後就故意慢慢開用屁股擋人，讓落後的人比得很不爽；
而如果AI落後更不會好好跑完比賽，會開始試怪招，衝撞前面的車子，期望
對手被撞翻，對手沒翻的話自己撞那下就更落後
所以期待和現實有不少差距
人下棋某種程度就像棋靈王說的，是追求"神乎其技"的境界。我們知道這是
個有唯一解的遊戲，所以從尾盤往序盤探索，從區域往全局推演，都是從人
類確定的已知去探索未知，都希望摸索並找到"最佳的"一手或"最好的"變化
但這個AI只有在勢均力敵下的著手才較能滿足人類的這塊好奇心。只要勝率
兩方有差距後電腦只求滿足贏的條件下選的都不見得是局部最佳解。於是勝
率拉開後的棋對人類學習都沒甚麼幫助了，但人類希望的是就算全局大勢已
定，在區域還是想看到AI展現計算過後的最佳下法幫助解惑，明顯AlphaGo
的預設條件無法滿足這點
據說中國的偽物絕藝似乎贏的時候不太會退讓(這我沒關心不太確定，印象
中看過這說法)。所以也許未來參考DeepMind論文開發出來的其他AI，如果
設定讓AI追求的不單純是勝率，對人類從機器學棋可能會有更多實際幫助