圍棋程式「Master」在弈城網對決世界頂級棋手，60 戰 60 勝，「人工智能超越人類」一類標題繼去年 3 月再度洗版。Master 後來公佈身分，就是 AlphaGo 的升級版。除來自英國的 AlphaGo 外，人工智能圍棋程式還有日本的「DeepZenGo」、南韓的「石子旋風」，隨著稍後 A.I. 進駐人類正式棋賽，今年被視為「人機決戰之年」。棋界乃至人界對此不表樂觀，但事實是，人工智能並無攻克圍棋，甚至未有超越人類。
首先，是次 Master 網上對弈下的是 30 秒 1 手的「超快棋」（對聶衛平則是 1 分鐘 1 手），快棋極度依賴棋感，誤著相當普遍，就算是頂尖職業棋手，思考時間不足，難以算準變化，本來就無法代表棋手的實力，連李世石對 AlphaGo 五番棋各 4 小時賽制也不算長－－相比 1939 年吳清源對木谷實的經典十番棋，每局雙方各有 13 小時，3 日終局（期間兩人更打掛去浸溫泉）。而且，人類無法比擬電腦的運算能力與速度，人對人的規則未必適用於人機博弈。
運算能力與速度不及電腦，不代表棋手必敗無疑，因為人工智能也會出現漏算。譬如去年人機博弈第四局，李世石在 78 手使出「手筋」，AlphaGo 漏算此著，誤判攻防直接導致中盤認輸。後來黃士傑博士解釋，AlphaGo 的失誤源於兩大原因：一、正解的變化組太深，策略網絡（policy network）無法有效引導 AlphaGo 細算到有利的變化；二、第 78 手機率極微，以致於 AlphaGo 進入了在自我對弈時甚少面對的局面，導致估值網絡（value network）誤判。雖然黃士傑表示隨 AlphaGo 持續進步，問題已經「解決」，由新版 AlphaGo 從 79 著接手，能夠下出對黑方有利的變化，但圍棋的變化組接近無限，所謂「手筋」，其實就是「意想不及、貌似誤著卻是正著」的一手，在對弈中不算常見也不罕見，應付到某一局的妙著，下一局又會有新神手，正如不可能從根本上解決「意外」，只能減少出現的頻率；而 AlphaGo 採用結合運算及估值的系統（例如計算目前「最佳」10 至 20 步棋，從中評估利害，再按「勝率」下子），這種模仿人腦思維的模式本身就存在人類盲點（DeepMind 創辦人 Demis Hassabis 曾指希望藉人工智能破解人腦思考謎團），更不用提 AlphaGo 所輸入的數據本身就是人類棋譜。
AlphaGo 實力毋庸置疑，但按「勝率」決定落子的機制亦不無問題，尤其不利佈局，因為子數不足，無從研判局勢，必須依賴對弈經驗，正如聶衛平的覆盤結論所示，Master 失誤少，但開局甚為不利（棋譜見此）。另外，「勝率先決」亦會導致電腦「遇弱愈弱」，例如在 Master 對陳耀燁一局中，前者在收官（終局）時犯下不少低級失誤，令人咋舌，概因電腦研判勝率甚高，開始放軟手腳。收官階段或者影響有限，中盤放水就關連甚大，李世石對 AlphaGo 的棋局就不乏後者在中盤領先時下出緩著的例子。人工智能只求勝出，不求擴大優勢，表示棋手只要把握機會，隨時能夠扭轉局面。
話雖如此，棋手要向「大師」學習的相當多，如聶衛平指出，Master「改變了傳統的厚薄理念（相對於薄，多子圍空叫厚），顛覆了多年的定式（定石：佈局指定走法）」，參考電腦的下法，亦能補足既定棋路的不足，將每一子的效力發揮得更盡。棋盤天地無限，人工智能與棋手同在探索路上，有時在前有時在後，總之都是「圍棋之神」為人指路而來。
