2017年5月23日下午，经过了 4 小时 17 分钟的对弈，AlphaGo 以1/4子的优势击败目前围棋世界排名第一的柯洁，首战告捷。
比赛前一天，柯洁在微博上表达了自己对即将到来的比赛的看法，他写道：
无论输赢，这都将是我与人工智能最后的三盘对局……现在的 AI 进步之快远超我们的想象。像国产的绝艺、日产的 ZEN 虽然和 Alphago 还有着较大差距，但已经表现出超强的实力了...
我相信未来是属于人工智能的。
“我相信未来是属于人工智能的。”围棋被认为是传统游戏中对人工智能最具挑战性的项目，围棋落子位置的评估难度远超启发式算法，且包含了庞大的搜索空间，这让围棋世界如同深不可测的宇宙，难以穷尽所有的打法。围棋人机对话，一直存在诸多悬念。
2016年大战韩国棋手李世乭的 AlphaGo，只是大量学习人类棋手的棋谱来提高棋艺，它的训练结合监督学习与强化学习，形成一个策略网络（policy network），将棋盘上的局势作为输入信息，搜索最佳落子位置，并对有所可行的落子位置形成一个概率分布，
形成近乎人类的直觉
。
2017 年 5 月与柯洁进行正式人机大战的是“AlphaGo 2.0 版本”，在此以前， AlphaGo已经进入到完全的自我深度学习阶段，对新的算法进行过了测试摒弃人类棋手的思维方式，产生大量自我对弈棋局（AlphaGo VS AlphaGo），循环往复研究围棋。通过对新的算法进行测试，AlphaGo的性能已经提升到了新的层次。
与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，进行深度机器学习。不同于单层神经网络（感知器）和两层神经网络（多层感知器），深度学习完全利用输入的数据自行模拟和构建相应的模型结构。这一算法更为灵活的、且可以根据不同的训练数据，可以进行自我优化。
也就是说，人工智能可以像“
人类一样思考
”。那么，若干年后，法律人引以为傲的“专业性”思维优势是否会被取代人工智能取代？这一个问题曾经在阿尔法狗第一次对战中，让不少法律人好奇并警惕。
其实人工智能在法律推理领域早有实践。1981年，D.A. Waterman 和 Mark A.Peterson 在 Models of Legal Decisionmaking 研究报告描述了如何在民事诉讼领域基于规则的计算机模型可以提供预判参考。
2015年，硅谷的 ROSS Intelligence 公司基于法律的分类法和本体论和谷歌的PageRank 算法，通过法律搜索的机器学习层 LegalRank，开发出了世界上第一个人工智能律师ROSS，帮助人类律师进行高效案例检索。2016年，该公司更获得了Denton、Latham Walkins、Baker and Hostetler等大型律所客户，开发为真正的商业应用。
ROSS Intelligence 在人工智能领域的发展比阿尔法狗更值得法律人重视。虽然目前仅仅商用于法律判例检索，但是该公司使用深度神经网络、依存解析（dependency parsing）、命名实体识别等（name entity recognition），language model 等技术，采用多种自然语言理解方法提取信息，帮助机器“理解”法律而不是“知道”法律的路径，已经和传统法学院本科教学思维并无二致。
