AlphaGo Zero并不比Deep Blue更重要。

Deep Blue后，许峰雄发表Cracking GO一文，提出把围棋当目标，这是对的。但他延伸Deep Blue的思路，想用brute force的逻辑计算来解决围棋，这是错的。

AlphaGo Zero的两项关键技术：deep learning和Deep Residual Network（深度残差网络）并非出于Demis Hassabis之手，而是别人的研究成果。

Demis Hassabis不过是个成功的应用开发者。他和许峰雄一样有对成功技术的经验性依赖，却没有许峰雄清新。

许峰雄提出的下一个目标是围棋，Demis Hassabis的下一步却是a meta solution to any problem。所以，对Demis Hassabis，需要当头棒喝，让他恢复清醒，不要误导科学和教育。

栗浩洋把目标定在教育，这有深远的意义。十几年前，我就在设想面向未来的新教育系统，不过没有找到投资者。从汪洁和乌龙学院的经历看，教育产业要赢利很难。

所以，栗浩洋和近年其他一些企业家能找到规模化的教育模式，很难得。栗浩洋采用的基于神经网络、深度学习的自适应教育、知识图谱、细分知识点方法，对提高中小学生的应试成绩，有一定作用。但在智力发展和教育上有相当缺陷，对大学教育也不适用。

我并非对神经网络、深度学习有成见。二十几年前我在中国做研究时，就主张通过神经网络来研究智力。

不过，最近十几年里，深度学习和深度残差网络相继出现后，神经网络的潜力已得到充分发挥，这种技术在学术研究上即将进入瓶颈。

在面向教育的研究中，需要新的思想和方法。我对智力的结构性、系统性研究，关键临界点分析方法，渐进的智力实验和人工智能测试方案，正好解决了面对人工智能挑战的教育问题，也可以为智力研究建立科学基础。