象棋软件经过十多年的发展，水平已经非常高了，在笔记本电脑上战胜特级大师已经不是问题了。
但是随之而来的问题也出现了，那就是象棋软件的进步已经达到了瓶颈，很难再有提高，各个软件之间水平非常接近。
究其原因是由象棋软件当初的发展方向决定的，中国象棋软件借鉴的是国际象棋软件的算法，走的是穷举之路，因此需要大量的计算，对硬件要求很高，越强的电脑则棋力越强，但是再强的电脑面对海量的计算也会力不从心，因此才出现了剪枝，剪枝减少了软件的计算量，但是随之而来的就是也许有些好的棋被剪掉了，因此剪枝非常考验软件作者的象棋水平，早期的软件作者估计一直在棋力和速度之间纠结，平衡做的好的则棋力就会高，直到后期审局体系的出现，才逐渐接近了平衡，棋力也达到了前所未有的高度，对硬件的依赖也逐步降低了，在一般的家用电脑上象棋软件的棋力已经非常高了，而早期的软件想要战胜特大则需要浪潮天梭这样的服务器。软件之间的水平也非常接近，开局中局很难决出胜负，所以才有了旋风残局库，残局之争变成了软件的焦点，但是旋风的优势还是不明显，比赛中在超快棋环节一局险胜名手。
由此可见，象棋软件的发展已经进入瓶颈，若想再有大的提高，彻底改变算法，改变思路，才是未来的象棋软件发展方向。穷举法已经落伍了，人工智能才是未来软件的发展方向。
今年，Deepmind的“AlphaGo”在围棋领域的胜利让不少人了解到人工智能的强大。当时有人还认为没有人类棋手的经验，人工智能很难快速达到如今的成绩，但后来推出的AlphaGo Zero却是从0开始，自己学习围棋，又取得超越AlphaGo的成绩。如今Deepmind再次将这种强大的算法泛化，提出了AlphaZero：一种可以从零开始，在多种不同的任务中通过自我对弈，达到超越人类水平的新算法。这种算法可以通过24小时的对弈训练后，就可以在日本将棋和国际象棋领域击败目前业内顶尖的计算机程序（这些程序早就战胜了人类棋手）。以下是AlphaZero取得的成绩：
8小时自我训练战胜李世石版本AlphaGo；12小时自我训练战胜世界顶级国际象棋程序Stockfish；14小时自我训练战胜世界顶级将棋程序Elmo。
国际象棋算法的历史和计算机一样古老，虽然很多计算机大师在很久以前就开始了国际象棋算法的开发，但众所周知，国际象棋算法仍然花费了很久才战胜了人类。国际象棋算法存在一个问题，就是它只能在国际象棋领域起作用，如果不经过大幅改造，这个算法是完全不能在其他领域其作用，而大幅改造又失去了利用这一算法的意义。
创造一个规则简单但能在不同领域应用的算法一直是人工智能领域的重要课题。AlphaGo Zero就是一种使用卷积神经网的算法，它可以只通过强化学习进行自我对弈训练，也就是只通过输入围棋规则就能达到超越人类的水平。而新开发的AlphaZero则是能在其他领域获得同样的成绩，在没有输入除了规则以外的任何信息的情况下，AlphaZero仍然可以通过自我学习取得战胜人类顶尖选手的成绩。
1997年“深蓝”击败人类世界冠军卡斯帕罗夫，从那以后计算机程序的国际象棋水平一直在人类之上。这些程序必须得按照人类大师仔细调整的权重来计算落子的优劣。在日本将棋领域，计算机程序的进展就更为缓慢了，日本将棋棋盘更大，而且被吃掉的棋子可以改变阵营，重新上场，还能被放置在大部分位置上。正是因为这些原因，直到2017年计算机程序才在日本将棋领域战胜人类冠军。而围棋的规则是相对比较简单的，适合AlphaGo中的神经网络体系结构。
这三种棋有着很大的区别，从基础构架来说并不兼容，如果让AlphaGo去学习日本将棋和国际象棋是很困难的。但是AlphaZero却不但能完胜其他程序，还能用更少的计算量实现胜利。
