從去年由AlphaGo出戰韓國棋王李世乭，到此次中國烏鎮圍棋峰會由世界棋王柯潔對戰升級版AlphaGo 2.0，目前形成人腦對上人工智慧接連敗退情況，是否意味人工智慧終究超越人腦？
其實單就運算流程來看，畢竟透過電腦運作的人工智慧系統除非在程式設計出現漏洞、分析數據不夠充足，否則不會像人腦可能受疲倦、情緒等因素影響，導致產生誤判等錯誤計算情況，因此單就長時間持續構思的計算模式來看，人腦確實無法比擬人工智慧系統具備計算效率高、不會疲倦等優勢。
但是否意味人工智慧將全面勝過人腦？其實不會，畢竟人工智慧系統終究是人腦建構產物，就最終目的還是作為思考延伸，以及改善現有數據分析與計算效率等用途，原則上依然會建立在輔助人類思考、工作的應用定位，就像過去汽車、飛機、電腦、手機等產物改變既有生活模式，而非用於取代人類本身。
一如Google DeepMind團隊始終想法，認為人工智慧技術的突破將使人類生活提昇，因此對於前後兩次的人機大戰結果均認為是全人類的勝利，其中便是基於人工智慧系統將能協助人類解決過往必須花費時間執行的反覆作業項目，進而能將人腦構思能力應用在更多創新發展，對於整體進步將能帶來更大助益。
不過，許多人對於人工智慧接連勝過人腦的情況感到悲觀，認為日後電腦將取代每一項工作職務人力，但其實若以AlphaGo系統設定來看，電腦本身依然只在棋路安排進行最佳化，其中更必須參考對奕者下子方式產生合適的棋路推演，實際上並非知曉自己正在「下棋」，說穿了僅只是執行在棋盤上找出每一步最佳應對下子位置，甚至跳脫「下棋」以外的運作項目，AlphaGo系統或許就無法派上用處。
以目前的人工智慧系統設計來看，幾乎沒有所謂的十全十美，亦即達成全能「先知」的境界，通常僅能在特定領域、應用需求表現強項，同時必須仰賴過去累積學習使用數據，例如目前常見於智慧型手機的數位助理服務，通常是以使用者操作手機習慣、記錄資料判斷使用需求，藉此透過連網方式提供各類提問解答，但實際使用依然會有其侷限。
換成現階段的人工智慧技術發展，其實也有相同情況，例如自駕車知曉如何正確在馬路上安全駕駛，卻還無法像《霹靂遊俠》中的霹靂車「伙計」能同時與人交談互動，或是處理更多非關車輛行進的數據分析，也許現階段僅只是受限於運算能力等情形，但以整個人工智慧系統設計依然會確保以人腦基礎建構原則，而不太容易產生由電腦取代人腦的情況。
因此即便人工智慧運算超越人腦，事實上還是不需太過擔憂，畢竟電腦運算仍有其基本邏輯原則，不像人腦偶而會有突來的創意想法，或是直覺聯想的思考模式，例如歷史上許多創作、想法都是打破既有邏輯規範而產生，而這些都是基於程式運作的人工智慧所無法模擬呈現部分。
確實如Google、Facebook或微軟等所提看法，人工智慧並非用於取代或危害人類存在意義，而是希望能藉由改善人腦不足，進而推動更多創新產生。
