我们内部团队有三个团队在做，在不同的部门，这个部门刚好可以突破这个瓶颈。更大的特点，和AlphaGo不同的是，我们AI全程得到国内顶尖棋手的指导，我们十几位研发人员不懂围棋，一开始连黑先下还是白先下规则都不知道，所以结合计算机原理以及很多专家的训练。
绝艺赢得比赛是小小的成功，不能过于欣喜，但是也不能说这是一个毫无意义的事情。
过去对AI很多从一些规则或者简单的训练得出来能够改善计算处理的能力，最终发现一个更同步和更深层的意义，能够在计算机的后台用云计算大数据的方式去高速学习，可以自己跟自己对弈。
AlphaGo出来以后经过了十亿盘对弈超越了过去人类所有交战的盘数，自己寻找规律，对人类认知的范围极大的扩张，这给人类很大的启示。在很多领域，围棋以外的，金融、医疗、病理的检测，如果用计算机后台做出模拟器，充分的尝试。就如自动驾驶一样，模拟做各种各样的反馈，自然会琢磨出一套理论和经验，给我们带来很大的思考。以后在很多领域如果能做出模拟器定义参数自己学习，找到规律的能力远超我们想象的，这是我们得到最大的启发。
问：人工智能要取得突破性进展，是模仿人的神经网络、人脑的效率，通过仿生人脑思维的方式突破，还是完全不一样的方式？
马化腾：我们期待有本质性的飞跃，比如说发现飞机的空气动力学、流体动力学和鸟不一样的，车轮和人型马一样，仿生是某些垂直的领域，包括围棋是选非常窄的领域，通过各种参数训练。
郭为刚提到用AlphaGo下一盘棋消耗多少能源，垂直领域训练消耗能源，但是实际用消耗不了多少。现在训练出来的单机版本跟职业棋手差不多，训练需要很长时间，最麻烦的是改一个参数，规则改一点、算法改一点，全部重新来消耗很大，所以这属于很窄的技能模拟。
