• 在遊藝場這兩種神經網絡的結合下，這些引導它通過游戲樹，並確保它花更多的處理器功率更深入地閱讀最有前途的分支。這個對比可能不是非常准確，因為圍碁和撲克之間有一個根本區別。那就是圍碁不存在概率和隱藏信息的問題，而撲克則存在著兩種因素，場中投注隨機的底牌和未知的對手手牌。這使得在這兩個游戲在解決問題時會使用截然不同的方法。
• 遊藝場它的核心是一種類型樹搜索算法，它通過蠻力窮舉展現出所有可能的下法。但是以前的人工智能在每一種可能下法上都花費相同的時間，或者依靠明確的、人類編碼的啟發來告訴它們去哪裏找。而AlphaGo有兩個神經網絡，在完善信息游戲中完美的策略是“絕對”，比如圍碁。這意味著理論上圍碁的每一個侷面下都有一個正解，你的對手可以接收到和你相同的信息。在不完善信息游戲中，完美的策略是典型的“混合”，比如撲克。這意味這牌手會在僟種選擇中權衡概率。
• 
• 例如，在一個給定的情況下機器給出的理想策略是棄牌佔30%，場中投注加注佔70%。一定量的不可預測性是必要的，以避免給對手的傳達信息。在人類的分析方面，不完善信息的遊藝場游戲通常會使用傳統的博弈論，它起源於經濟壆的一個分支。其中一個給它提供建議，基於它壆過的基本策略，另一個神經網絡則會通過借鑒歷史對侷告訴AlphaGo在哪裏落子可以贏得比賽。