個人認為會的，alphago能模擬各種出杆方式，控制擊打點和擊打力度，並自動計算路線，類似下象棋下一步看四步，alphago只要下一步看35步就能一杆清檯，而現在圍棋界的alphago,遠遠不止35步，所以理論上完全沒有問題

參加Golf我不知道，單從斯諾克的角度來說，我認為人類在未來是打不過有alphago參加的比賽的

個人認為斯諾克的技術已經相當系統化，什麼樣的杆法，多大的力度，打點的高低左右出來的球路是完全可以資料化模擬的，通俗的講就是～教科書式的打法，只要把這一套資料輸入系統，機器人斯諾克完全會在比賽中取得勝利。

相比於人來說，機器人難能可貴的是它不會受情緒環境干擾而出現失誤，而人類想要在整場比賽中情緒不出現變化，整場比賽中做到0失誤幾乎是不可能的，ai則不一樣，只要系統引數正確，給出的杆法指令正確，除非機器出故障，幾乎是不可能出現失誤的

最後要說的是有可能塞爾比會在比賽中取得勝利，塞爾比的戰略型打法值得在人機大戰中實驗一下，不知道能不能把機器人磨宕機

圍棋可能是世界上最複雜的腦力運動，然而以機器和AI的資料處理和計算能力，理論上可以分析出最合理的步數和戰略。然而在斯諾克比賽中，Alphago固然可以模仿與圍棋相類似的部分，比如目標球的選擇、出球線路、出球力度和主球擊球點等，但每一個點的實現，都需要建立一個或多個完美的模擬物件的基礎之上，這就意味著機器需要將比如奧沙利文的左右互博、塞爾比的大心臟和防守、希金斯的圍球、威廉姆斯的準度、丁俊暉的出杆姿勢統統輸入資料庫，並在比賽中將所有人的特質融為一體，才能打出“完美”的一杆。

圍棋的棋盤，只有361個點位，所以每下一步所可能面對的局面和後續棋局，從數學的理論上，儘管這些可能性是一個天文數字，但終究是可以窮盡的，Alphago只需要在這些可能性中加以選擇最合理的一步即可。然而在現實的斯諾克比賽中，15顆紅球、6顆綵球、一顆主球，卻可以在11英尺8.5英寸長和5英尺10英寸寬的球桌上走出無窮無盡的球型，這對於沒有任何“創新”能力的機器來說，當資料庫中沒有匹配的球型，它會採用哪種策略來應對呢？

更何況，球桌的材質不同、比賽場地的天氣（特別是溼度）不同，都會給斯諾克比賽的結果帶來比較大的影響。適應能力比較強的球員，可以在不同的環境下及時調整杆法和心態，這些人類獨有的能力，Alphago絕無可能透過學習或資料處理完成，這一點在Golf專案中也是一樣。

小編是吃文字飯的，永遠不相信機器能有任何文字“創作”能力，至少以上這篇問答，多少個Alphago也寫不出。同樣，小編也永遠不相信機器能在將體力、腦力、智慧、臨場應變融為一體的斯諾克比賽中戰勝奧沙利文。如果可以，人類世界真的要被機器所統治了。