Grâce à l’intelligence artificielle, la notion d’apprentissage profond était devenue courante même si elle n’était pas forcément totalement comprise car elle n’était pas si naturelle. C’était après tout une méthode qui nécessitait des simulations gigantesques afin d’obtenir les poids adéquats de l’architecture du réseau neuronal profond. L’important était de ne pas se contenter d’une extrême spécialisation qui aboutit inexorablement à la notion de système expert. Il fallait être généraliste dès le départ sans nécessairement commencer avec un corpus profond. Il fallait en quelque sorte que l’intelligence construisit une mémoire active et interactive. Il fallait qu’elle n’utilise pas seulement une base de données même si celle-ci était très évoluée car elle avait par définition des limites. Aussi le problème de l’horizon engendrait implacablement des problèmes aux frontières. Nous étions passés par cette étape dans le cadre du jeu d’échecs. Et il avait fallu changer complètement de méthode pour gérer les problèmes créés par la nature même du jeu de go. Ainsi cette approche généraliste et même nous pouvons dire holistique à contribué à la naissance de la synthèse profonde qui a permis de découvrir des solutions réellement innovantes à des problèmes considérés comme difficiles de la recherche en dehors du cadre des jeux stratégiques.