根据小说描述，珍珑棋局棋势复杂迂回，三四十年来未有人能破解。苏星河故意摆出来以引出杀师傅的仇人。各路武林高手前来挑战皆败，唯独不懂棋的虚竹胡乱投了一子，便 令对方一大片棋子通通就擒，从而破了棋局。这是金庸先生的创作，古谱中未有记载，他本人也没有棋谱，加上小说中对棋局的摆法未加详述，还真给拍摄出了一个大难题。据说金庸还特请教过聂卫平，他也只作了“理可以说得通，局没听说过”的答复。

经过几夜商讨，珍珑棋局终于出炉，只见局中“金鸡独立”、“老鼠偷油”等妙招环环相扣，并将史上最大的“倒脱靴”也设计了进去。“高手们”在两侧举棋必输，“虚竹”只要在二三路白子一填，黑子跟着倒补，提掉十六个白子后，“虚竹”再轻轻一断，80余目的黑子全被杀死，即合剧情又合棋理。

阿尔法围棋（AlphaGo）的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。

阿尔法围棋（AlphaGo）是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。

这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。

第一大脑：落子选择器 （Move Picker）

阿尔法围棋（AlphaGo）的第一个神经网络大脑是“监督学习的策略网络（Policy Network）” ，观察棋盘布局企图找到最佳的下一步。事实上，它预测每一个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。

第二大脑：棋局评估器 （Position Evaluator）

阿尔法围棋（AlphaGo）的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步，它预测每一个棋手赢棋的可能，在给定棋子位置情况下。这“局面评估器”就是“价值网络（Value Network）”，通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”，AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行，那么AI就跳过阅读在这一条线上的任何更多落子。

那么问题来了：阿尔法狗的设计者会不会把这个规则也写进去呢？如果写进去，我是否能够按这个棋局走呢？或者更多类似的棋局走呢？

还有人说：柯杰目前在世界排名比李世石高，处在世界第一的位置就算是无涯子再世也干不过柯洁，所以无涯子也干不过阿尔法狗，所谓的珍龙棋局只是分分钟解决的套路。

你们怎么看呢？