事實上，如果容量足夠大，處理能力也允許，

AlphaGo是可以大量進行資料模擬處理-自己在腦海中下了億兆為單位的棋。

最近，Google的DeepMind公司建立了其著名的AlphaGo人工智慧程式的新版本，以及一個特殊的程式和附帶的演算法。

與過以前的AlphaGo版本不同，過去是需要要求人類指定目標並提供至少一些資料，然後才能開始顯示有意義的效能改進。

據悉，AlphaGo Zero 利用一種名為「強化學習」的機器學習技術，可以在與自己遊戲中吸取教訓。它僅用了三天時間就自行掌握了圍棋的下法，還發明瞭更好的棋步。這期間，除了被告知圍棋的基本規則，它未獲得人類的幫助。並在三天後成功擊敗去年在圍棋界叱詫風雲的 AlphaGo Lee，戰績為 100 比 0。用了3日時間已經擊敗 AlphaGo Lee，21日時間已經擊敗 AlphaGo Master(今年擊敗柯潔的AI)，出道40日成了世上最頂級棋手。

從理論上講，AlphaGo Zero在給定足夠的時間，處理能力和節點的情況下，可以在其所有認知和具體掌握領域中將自身提升到無窮大。

從本質上講，使用這些原則，人工智慧程式可能會以指數形式提高其自身功能，只不過是考慮到一個廣泛或狹窄的目標，並且需要足夠的計算能力和節點來執行大量的模擬。

但這種發展並沒有開啟人工智慧程式的大門，它可以學習令人信服的情緒，或者學習以自己的形象或更好的本身來創造更智慧，更智慧的人工智慧，但這些東西都在AlphaGo Zero的控制範圍內。

自然而然，現在所有關於人工智慧的末日談話都圍繞著特斯拉執行長埃隆馬斯克的呼籲，有無數的保護措施可以阻止人工智慧做出任何創造者和使用者不希望它做的事情。

例如手毀滅世界之類的說話。