AlphaGo依靠精確的專家評估系統（value network）:專家系統是壹個智能計算機程序系統，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。
基於海量數據的深度神經網絡（policy network）:多層的好處是可以用較少的參數表示復雜的函數。在監督學習中，以前的多層神經網絡的問題是容易陷入局部極值點。如果訓練樣本足夠充分覆蓋未來的樣本，那麽學到的多層權重可以很好的用來預測新的測試樣本。但是很多任務難以得到足夠多的標記樣本，在這種情況下，簡單的模型，比如線性回歸或者決策樹往往能得到比多層神經網絡更好的結果。非監督學習中，以往沒有有效的方法構造多層網絡。多層神經網絡的頂層是底層特征的高級表示，比如底層是像素點，上壹層的結點可能表示橫線，三角； 而頂層可能有壹個結點表示人臉。
傳統的人工智能方法蒙特卡洛樹搜索的組合:是壹種人工智能問題中做出最優決策的方法，壹般是在組合博弈中的行動（move）規劃形式。它結合了隨機模擬的壹般性和樹搜索的準確性。