阿尔法是由深度学习算法训练得到的人工智能系统，它的训练过程包括以下几个步骤：
1. 数据收集：收集大量的学习样本，这些样本可以是人类对问题的回答、对策略的评估等，并且需要包含高质量和多样性的数据。
2. 训练深度神经网络：使用收集到的数据作为输入，通过反向传播算法训练神经网络模型。这个过程中，神经网络会根据输入数据调整自身的权重和偏差，以提高对问题的回答或策略的评估。
3. 强化学习：通过与自己进行对战或与其他玩家进行比赛等方式，让训练好的神经网络模型根据不同情况和反馈来进行自我优化，提高自己的表现水平。
4. 迭代优化：通过多次迭代训练和优化，不断提升阿尔法的能力和水平。
综上所述，阿尔法打出很强的实力主要依赖于大量高质量的数据、深度神经网络的训练和优化以及强化学习的策略优化。
