人工智慧很適合下圍棋。人工智慧最初級的應用場景就是執行有規則、可重複的任務，圍棋就是其中之一。人工智慧發展的每一階段，一般在都下棋上有所體現。早在2016年，網路就有一個神秘的圍棋大師Master，實際是圍棋AlphaGo的升級版，曾創造60勝零負的輝煌戰績，柯潔等圍棋名家曾敗於它。人工智慧下棋有演算法。人工智慧贏棋，主要基於其演算法。Alpha Go積累了海量的棋局、棋譜，對其深度學習。在人工智慧下棋的時候，遵循的核心演算法是羅列搜尋、價值判斷，因為圍棋的變數與搜尋範圍極其複雜，很多情況下未必有最優解，往往是權衡與斡旋，所以人工智慧演算法設計會有類似人類思維的價值判斷。人工智慧面對不同的對手，價值判斷函式可能會有所調整，爭取不犯錯，而人類選手的最高境界是少犯錯。人工智慧不怕累。不像人類每一步瞻前顧後，冥思苦想，Alpha Go出招是很快的。在演算法基礎上，是機器不知疲倦的搜尋效率和無情感的輸出，之需判斷最優的下棋落子即可。相比較而言，人類棋手在棋盤中付出顯然更多。但是人是靈活的，在人工智慧參加圍棋大賽後，很多比賽取消了午休，因為擔心人類棋手能夠根據人工智慧的招數來針對性地作弊。所以，總體看，人類棋手在於人工智慧過招時，要保持嚴峻的考驗，神經保持高度緊張，體力消耗往往在下半場成為短板，失誤在所難免，被人工智慧翻盤。要知道，今後人工智慧還能理解人類大腦的感覺感情、自我意識，那時該怎麼下棋？歡迎關注，批評指正。

人工智慧，不在侷限於按照固定的公式去計算一個事情。但是用人工智慧下棋，這個是很簡單的事情，因為有許多規則，只要按照規則得出最優解就可以了，因此，對於圍棋而言，人工智慧是把現有的棋局和庫存中的棋局對比，然後推演出接下來直到結束的n種可能和方法。你能想象，高手下棋想出下面的幾十步棋已經不錯了，但是人工智慧依靠龐大的資料庫，直接推演到棋局結束，然後選擇最優解下棋。所以，人下不贏人工智慧是正常的。這些前提是人工智慧足夠智慧，因為沒有自我學習總結的人工智慧那就不算在這行列。