给任何一个程序员去写这个程序，在局部和全局评权得分之间，除了少数特定情况下，肯定都是全局优先，即全局权值大于局部权值。比如，如果下一步子可能有n种下法，它们的局部评分a和全局评分b组成一个有限n集合{（a1*q,b1*p），（a2*q,b2*p），（a3*q,b3*p）...（an*q,bn*p）}，q和p分别是局部和全局的权值系数，那么只要取其中最大加权贡献值即可确定下哪里。
现在的直播评委老惊叹于爱狗狗属于全局大师，思想太low了。棋类AI也不是一天两天了吧，它一出来计算逻辑肯定是像上面那样，这套评分逻辑的本质就是奔着最后赢而来的，何必惊叹。
但这个局面评估在围棋的难度上就特别难了，为什么主要是每一步的计算量太大，因为可能性太多了。但如果仅仅是计算量的问题，相信还是比较好克服的。到真正难的是如何评估，如何高效率的评估。这里面的水很深，用神经网络算法以前的程序逻辑写恐怕得写到累死掉，而且还没什么好效果。现在用神经网络算法（所谓人工智能AI的核心）和成熟的剪枝算法，得到非常好的效果。
神经网络最重要的就是自我学习，减少了了人类付出的心血。从技术角度，就是人类技术又进步了，神经网络就是一套崭新的技术工具，是人类历史上迎接来的一个新的第6次革命性的划时代的工具。
不用多说了，大家等着看吧，我们这代是时代的幸运宠儿，能看到这些真的非常幸运的，很快，以神经网络为核心的人工智能的应用将铺天盖地而来，人类将目不暇接……