手机上的人机对弈我让它九子

算路更深，死活更强

蚂蚁和上帝的区别

运算速度天壤之别

主要还是算法
2者级别比如 从1加到100 一般围棋软件要算100次
go只用算（1+100）x55 之用2次
后者比前者快了50倍
而且多个优化过的算法效率能相乘叠加的 就像快了50x50x50.。。。倍等
再加上硬件的区别也不是一个量级的

一般的围棋程度你只要赢它1次，以后按照相同的顺序每次都能赢，阿法狗绝艺这种就不行了

一般的，我一朋友可以让它8子。而在网上我那朋友被一高手让9子。

差别就是狗加入了机器学习。至于机器学习是什么，你到知乎搜索一下，就算是IT人员不从事这方面的，也是这样问的：“能不能用简单语言的介绍机器学习”。注意关键词“简单”。 如果你没有IT知识，还是别追究了，你只要说狗是机器学习，就可以让很多人听不懂了，以为你是高手。

算法

通俗来说，
1，一种软件吧。做程序的人要直接告诉程序哪种棋型好，哪种布局好等等。
2，还有一种软件吧。程序员交给程序大量棋谱，让它自己去发现好的棋形，定式，手筋……
3，还有一种软件吧。程序自己相互对局。收集棋谱，发现好的棋形，定式，手筋……
（软件收集的棋形，定式，手筋等等都是数值化的，软件能理解，人类未必看得懂）
至于推算后续变化，大同小异，都是模拟轮流落子。
这些手段不冲突，可以结合起来用的。
普通软件是前两种。简单的软件可能只是第一种吧。强一些的，比如银星围棋17就有机器学习，即前述的第二种特征。
阿尔法狗主要是后两种了。早先版本是学习棋谱，新版本是自我对局为主。
人类棋手是综合上述三种模式的。
人类棋手会从书本，老师那里，直接学到棋形，定式，手筋……这相当于第一种软件。
人类棋手会自己打谱学习前人的对局，从中吸收一些棋形，定式，手筋……这相当于第二类软件。而且，比如棋感吧，这是说不清道不明的东西。这就相当于软件那种只能自己理解，人类看不懂的数值化经验。
人类棋手相互之间会实战对局，总结经验。这就相当于第三种软件。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1]
深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1]
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。[2]
同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分．不同的学习框架下建立的学习模型很是不同．例如，卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（Deep Belief Nets，简称DBNs）就是一种无监督学习下的机器学习模型。

训练master以及v18版本运用的是深度学习中卷积神经网络的方法（也就是运用人类棋谱)
而训练zero运用的深度置信网络（也就是不运用任何人类棋谱，完全依靠自我学习）

Alphago通过深度学习，自我更新源程序，从而达到无穷无尽的地步