2017年5月24日，在新版本AlphaGo首戰以1/4子微弱優勢戰勝中國圍棋職業九段棋手柯潔之後，“阿法狗之父”DeepMind創始人兼CEO Demis Hassabis、AlphaGo團隊負責人David Silver以及棋手樊麾接受了騰訊科技的專訪。
“祝賀柯潔昨天的突出表現，為大家呈現了精彩的對弈。”Demis Hassabis說：“之所以高調進行人機比賽，就是想吸引最頂級的棋手和AlphaGo對戰。之所以和柯潔這樣比賽而不是在網上比賽，是因為人們不會認真對待線上遊戲，線上遊戲也不夠正式，人們的注意力不夠集中。AlphaGo的很多學習都是自我對弈。因為和頂級棋手對弈的機會並不多，我們希望通過這樣的比賽來找到AlphaGo的弱點。”
David Silver則表示圍棋非常困難，“事實上，我們在演算法上實現了效率的提升，從計算量來說現在是之前的十分之一，從所需訓練時間來說，從“月”縮減到“星期”。AlphaGo已經不依賴於外在的導師，它可以自我學習。”David Silver說：“我們的想法是，AlphaGo的高效演算法不光是圍棋領域的，也可以應用於其他領域。
在此前的演講中，他們詳細闡述了圍棋的'難度：其複雜程度讓窮舉搜尋都難以解決，而對於計算機來說，圍棋有兩項難題：“不可能”寫出評估程式以決定誰贏，搜尋空間太過龐大。圍棋不像象棋等遊戲靠計算，而是靠直覺。圍棋中沒有等級概念，所有棋子都一樣。圍棋是築防遊戲，因此需要盤算未來。小小一子可撼全域性，“妙手”如受天啟。
理論上AlphaGo下棋越到後面，需要計算的步數越少，常理來看，用時應該更短。但實際上AlphaGo的用時很均勻。對於這個現象，David表示：“在訓練時我們就已經發現，AlphaGo在自我對弈的過程中，整個棋局的計算量是恆定的、穩定的。我們為AlphaGo制定了穩定的策略，讓它最大限度地利用時間。因此AlphaGo下棋的速度相對均勻。”
樊麾是“AlphaGo”選擇一較高下的第一名職業棋手，他已加入AlphaGo團隊。他說：“AlphaGo對於圍棋的震撼不是誰贏誰輸，而是一種全新的下法，比如跟李世石的第二局的第37手。柯潔昨日的點三三也是借鑑了AlphaGo的下法。AlphaGo就像一個未來的棋手回到今天跟我們下棋。所有的職業棋手下完都不會離場而是會覆盤這盤棋，對棋手來說重要的不是勝負而是我們學到了什麼。”而同樣接受了AlphaGo挑戰的柯潔也在昨天向媒體表示：“AlphaGo在改變我們的下棋理念，我也受了它的影響，開拓思維，沒有什麼棋是不可以下的。”
圍棋之外，AlphaGo背後的技術也在其他領域有所應用。“AlphaGo背後的支撐技術非常多，目前在其他領域的應用還在探索階段。大家要理解的是，在未來我們肯定會推廣AlphaGo背後的技術，也有可能在中國推廣。”
至於科幻小說裡的場景，Demis Hassabis表示，人工智慧還有很遠的路要走，還有很多的關鍵問題沒有攻克下來，科幻片裡的場景恐怕在幾十年內不會出現。他說：“我們必須正確使用人工智慧。這有兩個方面——人工智慧的用途必須是造福人類的，比如科學、製藥。同時，人工智慧不能是少數幾家公司的專利，而應該由全人類共享。”