来自周志华教授的朋友圈:
“花半小时看了下文章，说点个人浅见，未必正确仅供批评：
1. 别幻想什么无监督学习，监督信息来自精准规则，非常强的监督信息。
2. 不再把围棋当作从数据中学习的问题，回归到启发式搜索这个传统棋类解决思路。这里机器学习实质在解决搜索树启发式评分函数问题。
3. 如果说深度学习能在模式识别应用中取代人工设计特征，那么这里显示出强化学习能在启发式搜索中取代人工设计评分函数。这个意义重大。启发式搜索这个人工智能传统领域可能因此巨变，或许不亚于模式识别计算机视觉领域因深度学习而产生的巨变。机器学习进一步蚕食其他人工智能技术领域。
4. 类似想法以往有，但常见于小规模问题。没想到围棋这种状态空间巨大的问题其假设空间竟有强烈的结构，存在统一适用于任意多子局面的评价函数。巨大的状态空间诱使我们自然放弃此等假设，所以这个尝试相当大胆。
5. 工程实现能力超级强，别人即便跳出盲点，以启发式搜索界的工程能力也多半做不出来。
6. 目前并非普适，只适用于状态空间探索几乎零成本且探索过程不影响假设空间的任务。“
