之后黑棋逐渐占据上风，进行到76手的时候我觉得AlphaGo下的实在太机械，太僵硬，有点暴露“机器本性”。
进行到这里大家开始普遍看好黑棋了。接下来是本盘最有看点的一招：
102 是非常有个性的一步，也是柯洁(九段)指出的好棋，之后AlphaGo占到便宜以后连续两次脱先，逐渐扭转了局面。
之后右下角的悬念是AlphaGo右下没有跳一路是看到目数优势，简明处理还是没有看到手筋，当然我倾向于前者。
之后收官双方都很平稳，本局唯一一次打劫也简单结束，希望之后能看到AlphaGo对于复杂劫争的控制水平。
张峥
上海纽约大学计算机科学教授、前微软亚洲研究院副院长
刚刚仔细读过AlphaGo，没觉得有什么破绽。在自己左右手互搏中的计算价值那部分为了效率用了“快棋”策略，可能粗糙些，但下得多可以弥补。有网友提出的和李世石比赛会“偷招”这个倒不用担心，五局的样本对机器没用，它不靠这个，靠的是工程上高效率、策略上粗枝大叶但大方向正确。
AlphaGo胜利的概率是100%，只不过不见得是这次。“毛病”还是机器学习的老毛玻表现在：无法总结规律，或者说无法吐出一套规整自洽的规律；泛化能力差，无法在复盘中举一反三，即便告诉它哪步走错了，恐怕它也不知道为啥，只是一气儿死磕到撞了南墙才完事。
对谷歌如何复盘我很好奇。
如何实现不败呢？AlphaGo从大量的棋谱开始练，除非有它没见过的变化，而且远离它见过的和自己能演练到的。要下无理棋，把围棋当五子棋下……
但这种可能性太校归根结底，和国际象棋变化少不一样，问题是围棋太古老了，以至于穷举了太多可能，而且还让AlphaGo看了！剩下的变化空间人是可以其乐无穷地去变化，对机器来说分分秒嗖嗖地就搜完了。这里围棋的长板变成短板，帮了AlphaGo：由于规则太简单，被机器抄了近道。
田渊栋
卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员，Facebook人工智能围棋程序Darkforest负责人
我围棋水平很烂，但总的来说，可以对Alphago有所评论。第一点，如果你觉得AlphaGo的落子水平会波动，其实它可能判断胜率已经很高，有时候随便下；第二点，蒙特卡洛树搜索是遇强则强的，如果对手太弱的话也不会下出太强的手；第三点，AlphaGo下棋每一步最后都是算整体分数的，并非单纯局部，反倒是有时候局部弱，对杀会有问题；第四点，接下去的研究是进入程序的黑箱里去。人工智能研究者们虽然设计学习算法，但其实不知道电脑是怎么决策的，要打开黑箱了解内部机理，还有很长的路要走。
董飞
数据科学家、Coursera数据工程师
这次是太多意外，在大家一边倒的支持李九段的时候，也有李开复老师、余凯老师(前百度研究院副院长)力挺AlphaGo，认为机器会赢。
这盘棋大致是前半段，李世石占有很多先机，但后来不知道为何保守下棋，犯了一些失误，势力峰回路转，而AlphaGo中盘发力，180度转弯，把李世石逼着认输。
我想作为一次焦点比赛，关注的人太多，比赛的压力很大，李世石也似乎没有发挥最佳水平，今天这一盘还不能完全说明问题，如果明天他接着输了，那可以认定人工智能真的在围棋领域取得革命性突破。