境夢飛沙
之前回答過AlphaGo未來參加斯諾克比賽，能否打敗人類的問題，這個問題有些類似。小編的回答是：NO！
小編在入行之初，記得一位資深媒體大牛曾將斯諾克比喻成“行走的圍棋”，十多年過去，至今記憶猶新。小編不善圍棋，但報道斯諾克已經從業十多年，以小編看來，人工智能絕無可能成為頂級斯諾克大師，擊敗丁俊暉。
還是以圍棋位對標對象，圍棋可能是世界上最複雜的腦力運動，然而以機器和AI的數據處理和計算能力，理論上可以分析出最合理的步數和戰略。然而在斯諾克比賽中，人工智能固然可以模仿與圍棋相類似的部分，比如目標球的選擇、出球線路、出球力度和主球擊球點等，但每一個點的實現，都需要建立一個或多個完美的模擬對象的基礎之上，這就意味著機器需要將比如奧沙利文的左右互博、塞爾比的大心臟和防守、希金斯的圍球、威廉姆斯的準度、丁俊暉的出杆姿勢統統輸入數據庫，並在比賽中將所有人的特質融為一體，才能打出“完美”的一杆。
圍棋的棋盤，只有361個點位，所以每下一步所可能面對的局面和後續棋局，從數學的理論上，儘管這些可能性是一個天文數字，但終究是可以窮盡的，人工智能只需要在這些可能性中加以選擇最合理的一步即可。然而在現實的斯諾克比賽中，15顆紅球、6顆綵球、一顆主球，卻可以在11英尺8.5英寸長和5英尺10英寸寬的球桌上走出無窮無盡的球型，這對於沒有任何“創新”能力的機器來說，當數據庫中沒有匹配的球型，它會採用哪種策略來應對呢？畢竟，AI的所謂“主動思維能力”，終究還是在做選擇題而已。
更何況，球桌的材質不同、比賽場地的天氣（特別是溼度）不同，都會給斯諾克比賽的結果帶來比較大的影響。適應能力比較強的球員，可以在不同的環境下及時調整杆法和心態，這些人類獨有的能力，人工智能絕無可能通過學習或數據處理完成。
小編是靠文字吃飯的，永遠不相信機器能有任何文字“創作”能力，至少這篇問答，AI不可能寫得出。同樣，小編也永遠不相信機器能在將體力、腦力、智慧、臨場應變融為一體的斯諾克比賽中戰勝丁俊暉。如果可以，人類世界真的要被機器所統治了。
吐槽競技場
單就人工智能而言，目前民用的AI事物，大多可歸類為工具。
何為工具?
及接受到指令，輸出指令。但這個算不上是人工智能，因為機器並不會思考，可言無魂。
那什麼才真正的人工智能？
相信大家都看過終結者系列電影，為什麼人類會遭此劫難？
只因‘天網’有了自己的靈魂，學會了思考，有了想法。它不在是單一的為人類提供各種便捷的工具。也就是說，除了沒有肉身，它已經是他了。 其實人工智能也分很多種，比如那些只需要處理簡單的邏輯思考性的工具。這其中的代表就是阿爾法狗。
前面說到，圍棋對弈比拼的是邏輯性思考能力，還有一方面，就是圍棋的特性。如尋常兩人對弈時，黑子已成合圍之勢，白子便無法突破嗎？這僅限於人類而言。與阿爾法來說，設計之初，它的數據庫中就有一條是學習和記憶對手的招數，在有限的時間內，從成千上萬億條棋子分佈的落點上輸出一條最合適的代碼。它的每一子落下，都是經過反覆篩選出來最合適的落點。伊始，人類便輸了一步。
也可以說，在三至五子以內，這臺‘機器’便已經知道輸贏。
這也是世界各國的超級計算機的任務，做一些科研時，大大縮短研發時間。
說到這裡，相信大家已經明白。就檯球的特性而言，我個人完全看不出人工智能有什麼優勢（體力算嗎？）。
所以，這個問題。
答案是不可能。
一個體面的小夥子Lv
阿爾法狗當時一度被大家看衰，但是打臉了吧。桌球相比於圍棋，沒有那麼多的變化，只要有足夠的比賽樣本供其學習，在很短時間內就可以打敗人類。其實這個很容易實現，無非就是瞄準問題以及球的路徑選擇問題。機器和人相比，其測量出的出手角度肯定比人類精準。現在的人工智能技術已經不是幾年前了，在大多數行業都已經有了應用。當然了，在桌球領域可以打敗人類，但是在同傳這個領域還是需要進一步發展。雖然有了各式各樣的翻譯機，但是還需優化。如果拿全語通翻譯機和丁俊暉比，那全語通翻譯機掌握的語種數量要比他多很多。
全語通
這個恐怕有困難。畢竟這裡的人工智能不像是圍棋的阿爾法狗，或者是國際象棋領域的深藍，機械臂畢竟是不如人的肢體靈活的，而且很多臨場的東西是機器所欲測不出來的。但是棋類就不同，有一些固定的佈局方式是不變的，所以估計在這方面想要戰勝人類，並不容易。
小彈桌球
這個恐怕有苦難。畢竟這裡的人工智能不像是圍棋的阿爾法狗，或者是國際象棋領域的深藍，機械臂畢竟是不如人的肢體靈活的，而且很多臨場的東西是機器所欲測不出來的。但是棋類就不同，有一些固定的佈局方式是不變的，所以估計在這方面想要戰勝人類，並不容易。
雨打殘荷齋
就算能，可是這樣的比賽好看嗎？
斯諾克是人與人之間技術與思路的較量，像亨德利、火老師、張海根、馬叔等等這些讓人肅然起敬的斯諾克大師。他們巔峰時期的對抗是讓人大呼過癮的，假如換上兩臺準度和路線都無懈可擊的機器，不到一分鐘我就會索然無味。
CueSir
未來對於機器人而言，簡直是小兒科遊戲，只要球形不是太糟糕，打出單杆高分甚至打出147都會比人類成功率好的多，機器在運動方面一直都碾壓人類的，一直以來只是腦子笨了點，隨著人工智能的再次崛起，聰明的電力驅動的機器人，簡直在各行各業要搶很多人飯碗，這一天很快就要到來！
徐泗泗空
丁俊暉在80後斯諾克一代裡差遠了
SBJE6549573
作為一個AI 從業者和一個15年臺球經驗的愛好者，我只能說：非常難，但不是不可能。難在這將會是個交叉學科，ai 算法，高精度的機械控制，但反觀波士頓動力的跑酷機器人，這又不無可能。
西西3899
檯球和其它球類不同，屬於個人項目，算法準確，其它的影響因素太少，所以，打敗他太容易
