虽然角部不如定式那么安定，但是黑棋保留了从左边出逃和之后完成定式的见合下法（两者选其一），在抢占角地的同时也只让出了部分外势。这种战术在职业棋手中引起轰动，而且已经有棋手将它应用在了正式比赛中：

第18届韩国麦馨杯，第一轮

2017-01-10： 韩钟振 九段（黑）—— 金成龙 九段（白） 白胜2.5目（贴目6.5目）

棋谱来源 Go4Go.net

　　新妖刀定式

最初以人类对局作为数据基础，AlphaGo了解现代定式，而且一般都会按照定式来下棋。但是，在以变化复杂著称的妖刀定式中（得名于被诅咒的村正妖刀），AlphaGo采取了变招：

从这个棋型开始，一般定式黑棋占边，白棋占角：

但是，AlphaGo常常更愿意牺牲出头的权利，换取角部实地：

大多数棋手不愿选择这个变化，因为让黑棋得到了一道厚势，但是白棋接下来的下法宣告了黑棋外势的价值并没有看上去的那么巨大。如果黑棋不进一步加强自己的外势，甚至于还可能成为白棋攻击的目标。韩国顶尖棋手金志锡最近在一场比赛战中选择了这个变化，并且赢得了这盘对局：

第22届韩国GS加德士杯，第二轮

2017-02-10：柳珉滢 五段（黑）——金志锡 九段（白） 白中盘胜（贴目6.5目）

棋谱来源Go4Go.net

从以上描述不难看出，Alphago的长进可谓十分惊人，本次比赛的美国解说Michael Redmond就表示，AlphaGo的特点是会走出一些创新的棋，人类一看上去觉得是坏招，但是仔细研究后发现会非常有用。自去年战胜李世石后，Alphago的棋力又进步了，而要知道，AlphaGo 6个月的成长可能就相当于人类棋手的一生。

虽然这一切有关围棋的描述或许已经足够令人感到震惊的了，但当我们跳脱出围棋这个细分领域之外就会发现机器学习的力量已经无处不在了。在 Google，机器学习被广泛运用到了几乎所有产品中。Google 搜索、Gmail、YouTube、Google 地图、Google 翻译、Pixel、Google Photos、Allo 和 Android 等产品中都有用到机器学习。

　　当用户对着手机讲话，语音识别（speech recognition）将声音信息转化为文字，随后通过自然语言处理（natural language processing）对语义进行理解。这些技术被用在了 Google 翻译的会话模式中，让用户可以在 32 种语言之间无障碍地与他人进行双向实时交流。

有了神经网络机器翻译（neural machine translation），我们可以运用端到端机器学习系统（end-to-end machine learning systems）来翻译完整的句子，以得到更自然流畅的翻译结果。目前，神经网络机器翻译已被用于英语与12种语言的相互翻译，包括中文、日语、韩语、泰语、俄语、印地语、法语、德语、西班牙语、葡萄牙语、土耳其语、越南语等。