本專題構想發想於 AlphaGo 圍棋對弈人工智慧，再加入深度學習中的蒙地卡羅樹搜尋或是其他演算法，從而嘗試模仿設計出有深度學習能力的程式。
此專題嘗試將AlphaZero中的神經網路進行修改、利用極大極小值演算法和估值函式作計算、測試找出各棋子的適當權重值、撰寫搜尋過去資料的方法、嘗試獨立將演算法區隔來方便未來再利用。
程式會判斷使用者的規則是否正確，再使用excel紀錄數據，以便往後要統計資料，由多個演算法去推導出最佳的棋步再去匯入或讀取 Excel 中的資料，並且從棋盤上獲取資訊進行分析，找出最佳結果，並記錄將要移動的棋子資料，程式根據訓練經驗或過往資料移動棋子，判斷遊戲是否結束，若否則返還給使用者，使遊戲繼續，動作重複執行直到整個棋局結束。