电脑在围棋领域表现不佳的主要原因可归纳为以下三点：

一、规则复杂性

围棋的规则设计导致其可能性呈指数级增长。国际象棋每步有30种走法，而围棋棋盘有361个交叉点，每步可产生200多种变化，总变化数高达10²⁵种。这种爆炸式增长使得电脑难以在短时间内评估所有可能走法，现有算法的计算速度仅能满足国际象棋的1/100，远逊于人类棋手的判断能力。

二、评估与全局观

围棋的子力价值取决于周围棋子的动态关系，而非单一位置。电脑程序缺乏人类棋手通过长期训练形成的“感觉”和“大局观”，难以像人类一样预判局部变化对全局的影响。例如，人类棋手能凭经验判断外势或实地的重要性，而电脑只能依赖固定算法，无法灵活调整策略。

三、计算资源限制

围棋的评估函数极其复杂且不规则，差一个子盘面可能产生天翻地覆的变化。传统穷举法因计算量过大而效率低下，现代深度学习虽能通过自我对弈学习规律，但仍无法完全模拟人类棋手的综合判断能力。此外，围棋的“视觉因素”（如棋形美观性）也难以被程序有效编码。

补充说明

尽管近年来AI在围棋领域取得显著进展（如DeepMind的AlphaGo曾击败世界顶级棋手），但这些成就仍受限于上述因素。AI系统依赖大量数据训练，但无法完全复制人类棋手的经验与直觉。因此，电脑在围棋上的局限性并非绝对，而是当前技术尚未完全突破的客观限制。