计算机下棋因其规则明确、胜负分明，很早就受到人工智能研究者的青睐。图灵、香农、麦卡锡等人都曾深入研究棋类游戏。1997 年 5 月 11 日，IBM 公司开发的“深蓝”战胜了当时的国际象棋世界冠军卡斯帕罗夫，这一事件被认为是人工智能领域的里程碑式成就。
“深蓝”能够击败卡斯帕罗夫的关键在于使用了α-β剪枝算法，它基于极小－极大搜索原理。该算法的基本思路是，从当前棋局出发，在所有可能的走法中选择一条“即便对手做出最佳应对，我方仍能获得最大优势”的走法。α-β剪枝算法在此基础上通过剪去不必要的搜索路径，大幅提高了搜索效率。
极小－极大算法（包括α-β剪枝）的关键在于对局面的评估。在国际象棋中，评估局势相对简单。通常可以通过计算双方棋子的数量、棋子的价值以及位置优劣来判断局势。这些信息被称为“启发信息”，人类和计算机都可以依靠这些信息来评估棋局
左：国际象棋的棋局；右：围棋的棋局
然而，围棋的局势判断要复杂得多。围棋盘面变化无穷，局势往往依赖棋手的直觉和经验来判断，这对计算机来说是巨大的挑战。由于无法准确评估局势，“深蓝”所依赖的搜索和剪枝算法在围棋中就难以适用了。因为这一类算法需要预判未来几步的局势，如果局势评估不准确，整个搜索策略就会失效。
那么，有没有可能多搜索几步，直到局势足够明朗再做出判断呢？例如，是否可以一直搜索到终局，再根据胜负结果来判断？理论上这是可行的，但由于围棋的落子选择太多，导致搜索路径的扩展将是天文数字，因此在实际操作中并不现实。正因如此，在“深蓝”获胜后的十多年里，没有任何围棋程序能够击败人类顶尖棋手。
