現在機器學習應用的一個短板是數據採樣，就是說沒有那麼多類似的數據可以供你學習。
AlphaGo爲什麼能成功？得益於三點: 1. 大數據（有效的樣本）；2. 計算資源; 3. 算法（摘自張鈸的演講， https://www.saluzi.com/t/topic/33733）。
圍棋的棋譜簡單易存，易於輸入機器，計算機圖像識別的發展，讓棋譜的輸入更加便捷，所以人類的歷史棋譜很快就能輸入到機器，做爲學習的樣本。
另外很重要的一個原因: 圍棋的棋譜數據易於創造，即機器自己跟自己下就行了，所以藉助算法和計算資源，AlphaGo能輕易的獲取大量的有效樣本，
在此數據基礎上進行統計分析，提煉出高概率的着法也不足爲奇了。
圍棋的規則簡單，有效樣本可以機器自我對弈產生，這是圍棋被AI攻破的關鍵。
Alpha Zero的出現更說明了這一點。
不過讓人驚奇的是，Google找到了這類可以機械類似性複製的無窮事件的解決方法。就像數學歸納法解決了無窮積分問題一樣。因爲圍棋不同於其他棋類，可以暴力破解，圍棋的變化對人類來說近似無窮的。
從這點上說，這的確可以稱爲AI, 具有了某種程度的智能。