在人工智能论坛后的媒体时间中，DeepMind的联合创始人兼CEO Demis Hassabis、AlphaGo主程序员David Silver以及棋手樊麾共同接受了媒体的采访，就相关问题作出了回应。
在采访之前，David说到，为了准备此次“人机大战”，整个DeepMind团队在过去的一年里都非常努力的工作，就是希望可以使AlphaGo的能力再提升一个台阶。而结果也是非常明显的，AlphaGo达到相同的计算量只需要相当于之前1/10的能耗，而且训练时间也由之前的几个月缩短到了几个星期，并且逐渐不再需要外界的训练，可以实现自我学习。而谈到对于未来的展望，David坚定的说AlphaGo所使用的高效算法具有通用性，可以推广到其他领域。
而第一位和AlphaGo对战的职业棋手樊麾表现出的更多的还是震撼和期待。在2015年10月份的时候，樊麾在伦敦首次和AlphaGo进行对战，当然是以失败结局，那次比赛颠覆了他的看法，因为在他的印象中，计算机程序要战胜人类最快也要十年的时间，甚至这一辈子都可能不会见到，“但没想到那一天这么快就到了！”
后来，樊麾加入了DeepMind团队，帮助AlphaGo进行训练，也就有了后来2016年3月份4:1战胜李世石的故事了。
樊麾坦言，AlphaGo在取得胜利的同时，也给人类棋手带来了诸多的启发，一些已经固化了上千年的棋法会被AlphaGo彻底的颠覆掉，此次比赛中柯洁第七步点三三的走法就是一个最好的例证，“那感觉就像是一个200年后的棋手来到了现在和你对弈一样，简直太酷了！”
以下为媒体提问整理：
Q：为什么和李世石对战首次采取了网络公开的方式？Master已经击败了60位棋手，为什么还要来挑战柯洁？
哈萨比斯：
首先，在2016年初的时候，AlphaGo还是一个不为人知的程序，没有人会相信它可以挑战职业棋手，也不会有职业棋手报名去和AlphaGo认真下一场棋。
所以向李世石邀战实际上是世界围棋史上具有历史意义的一件事，各方都持非常尊重的态度，以非常专业的规格来对待这样一场围棋比赛。
而master的60场比赛全部是在网上完成的，网上下的快棋，时间控制不精准，棋手的注意力也不集中，很难展现出真正的水平。不过那一次也算是对AlphaGo进行的一次系统测试，同时也为柯洁提供了和AlphaGo围棋的对战素材。
Q：关于AlphaGo能力的通用性，您看好它在哪个领域的运用，在中国市场会不会也展开类似的应用？
哈萨比斯：
首先，AlphaGo背后的支撑技术相当之多，目前在其它领域的使用还在早期探索阶段，大家要理解的是我们所说的在其它领域的使用只是AlphaGo中间的某个部分或某一个技术的行业使用，所以以后我们肯定会推广AlphaGo的技术在多个领域的应用，也许在中国也会有这种应用。
Q：DeepMind将要把AlphaGo打造成通用型人工智能，并说AlphaGo已经可以通过非预设程序学习实现了非监督学习，那在这种向强人工智能过渡之中，是否AlphaGo已经具有了自主意识？
哈萨比斯：
AlphaGo运用到的是机器学习中一种名为增强学习的方法，借助神经网络在具体的领域不断的进行强化的训练。所以AlphaGo也只可能是在围棋这样具体的领域实现了自我的这样一种直觉和意识。但也因为它不是人类直接培训所产生的意识，所以它也就有机会被运用到其它的一些领域，而不仅局限于围棋。
Q：您认为AlphaGo距离强人工智能甚至超人工智能还有多远？
哈萨比斯：
像在科幻片里的一些超级人工智能，我们离那个目标还很遥远，至少还有几十年的路要走，因为有很多关于人工智能方面的一些关键的问题，我们还没有攻克下来。
Q：您在讲话中谈到说人工智能必须被正确地运用，这个所谓的正确运用是有什么样的原则，对人工智能的发展现在最担忧的是什么？您昨天提到的AlphaGo相当于去年人机大战的1/10的能耗，能不能说地再清楚一些？
哈萨比斯：
使用人工智能，它包含有两个方面的意思，第一个层面是它必须造福于全人类，不能被用于类似制造武器等消极的事情上；第二个层面是人工智能不能被几家大公司或某几个人所垄断，应该是全人类共享。
David：
关于1/10的这样一个概念，我们知道计算机运行的时候，会使用到不同的器件，其中包括处理单元，那么我们谈到了1/10，既包括电力的消耗，也包括所谓在运行时所调用这些计算资源，即这些硬件所占的能耗。
Q：AlphaGo会不会最终进化出情绪识别能力。可以通过判断柯洁的表情来故意输给柯洁？
哈萨比斯：
也许我们确实应该装上一套判断系统（哈哈）。其实我们在给AlphaGo的训练过程中，可以接触到职业棋手的机会是非常少的，大多数情况下都是自我学习，相应来讲这也算是一种缺失。所以我们也很珍惜和李世石、柯洁等棋手的对弈过程，也会通过比赛来找到AlphaGo本身的一些弱点。
