它的输入是一个带有注释的完整的19×19围棋棋盘，而神经网络输出的是一个代表着人类专业棋手每一步走法概率分布的棋盘地图。这充分利用了卷积神经网络的模式识别能力，而这种能力在图像中的物体识别、人脸识别和语音识别方面的成功早就得到了证明。
2015年11月，田渊栋在International Conference>与Facebook公开发表研究进展不同，Google的研究工作显然更加保密。
2015年12月初，Google DeepMind负责人Hassabis在接受对外采访时，就围棋算法问题表示自己还不能谈论此事，“但几个月后，会给公众一个大惊喜。”此时，Google已经将“AlphaGo”的研究论文投稿至《自然》杂志。
就在《自然》刊出“AlphaGo”论文的前一天，2016年1月27日，Facebook对去年11月刊发的论文进行了更新。新论文描述了“Darkforest”的最新版本“Darkforest3”，该程序已经在KGS服务器上运营了一个多月，并取得了成人组第五的排名。这个排名意味着它已经成为全美国最好的前100名选手之一，也步入了世界最顶尖围棋人工智能之列。
1月28日，《自然》刊出Google DeepMind “AlphaGo”的论文。而Yann LeCun在Facebook上写道：“AlphaGo的水平比Darkforest高出了6-7个等级。”
从围棋算法上来看，田渊栋在知乎上介绍，“AlphaGo”的策略网络和“Darkforest”采取的办法是一样的“谷歌的做法充分利用了大数据+深度学习的优势，而几乎完全没有用到围棋的领域知识，若是以后棋力再往上走，我也不会惊讶。”
“Darkforest”败给“AlphaGo”，也因为Facebook对其的资源投入无法与Google相比。田渊栋表示，Google发表在《自然》上的文章署名作者就有20位，明显下了血本，第一位David Silver是计算机围棋和强化学习的顶级专家，第二作者作者Aja Huang也写过多年围棋软件。而研发“AlphaGo”的小组成员只有田渊栋本人和另一位同事。此外Google可以投入的计算资源也绝非2、3人的小团队可以比拟的。
Yann LeCun和扎克伯格还是对“Darkforest表示了高度赞扬，Yann LeCun表示：“这个项目是由我们一个小团队仅花了几个月时间开发出来的，没有投入任何围棋专家资源（除了比赛录像数据库），这是对机器学习威力的一次伟大证明。”
在Facebook的个人主页上，Yann LeCun还微妙地表示，Facebook对研究的态度一直是“尽早发布，时常发布”，研究团队彼此尽早交换研究成果，能够更快促进科学进步。
对于业界热捧“AlphaGo”的态度，也有不同声音出现。《人工智能学家》主编刘锋博士1月28日在科学网发言，认为从科学实验的统计学角度来看，要求实验对象必须达到一定数量，进行多次独立实验，才能相对确保结果的稳定性和可靠性。“谷歌在这篇论文中出现了奇怪的现象。对其他围棋程序选取了众多测试对象，并进行了495次实验，但对人类测试者，却只选取了一位职业围棋二段选手，而不是测试多位不同等级的围棋选手。”
刘峰认为，“AlphaGo”也应该像“Darkforest”一样，放到互联网平台接受大众挑战。“我们并不恶意推测谷歌使用强大影响力影响参与测试的围棋选手，让他（他们）没有全力应对，但这一点也的确是可能的实验漏洞之一。”
刘峰的疑惑并非毫无道理，不少棋友认为，这场比赛不足以体现樊麾的真实水平。微信公众号《喆理围棋》的棋手李喆六段就该疑问与樊麾进行了询问，樊麾对此回答：“电脑是没有心理负担的，而人有。”
今年3月，“AlphaGo”将于世界冠军李世石对战，这无疑会是一场世界瞩目的战役。不论“AlphaGo”是否能再次战胜人类顶级职业选手，但它已经让我们认识到：人工智能的神经网络运用能力远超过早前的预期，势必将对人类未来的生活产生深远的影响。