其实在（类似围棋的）这些封闭系统中，（人工智能）战胜人类也不奇怪。我记得有些预言家说过未来20年，98%的人类工作将会被机器取代，那么我们现在要怎么做？怎么才能成为那2%的人，我觉得只有人类的创意思维，不断创新才是出路，所谓的灵感、灵气、灵光。
最后如果说我对明天的棋局有什么建议的话，那就是靠直觉判断，电脑目前还不会，对全局判断弄不大清楚，这可能是AlphaGo的弱点。
朱文章
香港科技公司首席架构师、香港大学计算机博士、围棋业余5段（弈城9段），前微软及谷歌软件工程师，iOS软件“围棋之眼”作者
开局李世石下得太勉强，也下得快。到中间缓过来优势，102点的时候，虽然长考，但没有发挥出计算力的优势，被翻盘。右下角又没有出强手，左上也让白棋稳稳围祝这些估计都是失败之处。
刘锋
著名互联网资深人士、计算机博士，《人工智能学家》主编、AIE实验室创始人，《互联网进化论》作者
震惊于AlphaGo战胜李世石九段，但若以科学实验流程规范来评价，我依然认为此次比赛不合格。谷歌应尽早展开线上多人（100人以上）同时在线对弈AlphaGo，以消除其实验不规范带来的质疑。在比赛公正的条件下，AlphaGo的此次胜利将意义非凡。甚至是人类发展史的一次巨大进步，可能的意义超过美国登月，但面对如此巨大的突破，我们是否应该持有更加谨慎和科学的态度？
何波
业余5段，中国科技大学物理博士，中泰证券股份有限公司信息技术部副总经理
卫鸿泰（左）、何波（右）
今天是个划时代的一天，AI在要点的把握上超过人类，不会有因为思维定势等缘故而跟着对手走棋，每一步坚定的走他觉得价值最大的点，这点我觉得很可怕。另外，我觉得现在说AI超越人类还早，现在AI在输入的信息上并没有产生更多的信息度，如果有一天AI会自己创造数学公式，或者总结物理规律，这才是奇点来临。
●●●
读者问答部分精选
“狗狗”的学习机制还是黑匣子
Q1：请介绍今天比赛的计时、计分（贴子）规则。
朱文章：比赛采用中国规则，黑棋贴7.5目，各两个小时，还加3次1分钟读秒
Q2：电脑下棋会不会也形成像中韩日围棋届一样的某种流？
朱文章：AlphaGo和机器人小图这个问题很大，你说它们能自学习吧，应该都有，但是不同系统，机器学习训练的方式，结构都有千差万别。我这方面还是不够深入了解。电脑的神经网络参数定了之后，应该有一定模式和风格。但是经过不断学习，它会改变。
Q3：遇到不同的水平的棋手，AlphaGo的表现是不是也不同?
田渊栋: 蒙特卡罗树搜索是遇强则强的，如果对手太弱的话不会下出太强的手。
朱文章：AlphaGo团队最强的棋手是台湾的Ajahuang，台湾业余6段。
Q4：作为训练数据的对局水平是否会影响围棋AI的水平？例如10000盘刚学会围棋的人的对局，和10000盘职业高段位棋手的对局，做训练数据，对同一个模型是否会有显著影响？
田渊栋：不同质量的对局对训练影响很大。
Q5：阿狗（AlphaGo）的策略也靠搜索来的吗？与之对弈，人落子拖时间长一点，和拖时间短一点，AI的结果会不会不一样？
田渊栋：是啊，如果AI开了pondering（编者注：即长考）的话，就是说在对手思考的时候也思考。软件下棋每一步最后都是算整体分数的，不同质量的对局对训练影响很大。