我上大学的时候也是AI迷，曾用C语言写过一个五子棋的AI对弈程序，能下赢五子棋新手，做法是搜索树加剪支，虽然五子棋也是19*19的棋盘，但是算法简单很多，因为

   1、不可能乱下，比如和现在的棋间隔三个子以上，就可以认为不合理，不去计算。

   2、乱下很快会输，比如人家冲4你不堵，直接就输，只要遇到输的情况，搜索树就可以剪枝了。

   但围棋和五子棋不一样

   1、围棋可以落的子很多，你可以说这么走不合理，但是一定会输吗，也不一定。

   2、围棋很难剪枝，因为双方乱下，也不会很快输棋，你认为差棋，也许是虚竹自填一目的好棋呢？

   3、不能算的太浅，如果和职业选手对弈，不向后计算50步，就说不上算力。

   这就导致搜索树叶子太多了，全遍历估计要几百亿年都算不出来。

    安全剪枝不行，能不能非安全剪枝？也就是放弃最优下法，只要战胜对手就行，毕竟人类在下棋的时候，第一步不会考虑361种落子变化。

    好了，那就模拟人的思维，做一个走棋程序，把意图分几类，比如局部定型，攻杀，抢大场，围空，打入，浅消等，然后针对当前局面，把选择点缩小到几十步，而向下搜索的时候，可以进一步减少选择范围，毕竟人类在下棋的时候，第一步的变化会想的很多，但是十几步以后的选择，估计也就是几种选择。

    这样大大减少了搜索树的叶子节点。

    但这样还是有问题，因为这个走棋程序是人想出来的，很可能不完善，设计者觉得电脑应该在这10步中选择，也许对于高手来说就是愚蠢，为了解决设计者自身水平影响棋力，增加学习程序，如下

    1、同时搞N个走棋程序，模拟各种高手的走法。

    2、每个走棋程序，设置M个参数，模拟某个高手对类似棋的不同应变。

    这样就出来M＊N个走棋风格，通过电脑互相下棋，把不合理的M和N淘汰掉

   但我想最后留下的M和N，应该还会有很多个，是不是还有判断程序，在合适的盘面选择合适的M和N，比如盘面领先，就选择保守类的M和N来守卫胜利，而盘面落后，就选择攻击类的M和N来决胜负，似乎Alpha Go有遇强则强的特征。