阿尔法狗（AlphaGo）运用了以下技术：
深度学习：
阿尔法狗的核心是基于深度学习技术的神经网络。深度学习是一种模仿人脑神经网络的计算方式，通过多层次的神经元连接来模拟人类的思维过程。阿尔法狗使用多层神经网络来处理围棋棋盘的定位，并预测每一个合法下一步的最佳概率。
强化学习：
阿尔法狗还应用了强化学习技术。强化学习是一种通过让机器不断尝试、探索、反馈的方式来提高机器的行为能力的方法。在围棋领域，阿尔法狗通过自我对弈和不断地学习，逐渐提高了自己的围棋水平。
蒙特卡洛树搜索法（Monte Carlo Tree Search, MCTS）：
阿尔法狗在决策过程中使用了蒙特卡洛树搜索法。MCTS是一种基于树搜索的算法，通过构建一棵搜索树来模拟不同的棋局走法，并通过蒙特卡洛模拟来评估每个走法的胜率，从而选择最佳的一步棋。
编程语言和技术：
阿尔法狗使用了多种编程语言和技术来实现其强大的计算和决策能力，包括Python、C++和CUDA。Python用于编写各种算法和模型，进行数据分析和模型训练；C++用于编写底层的游戏引擎和计算模块，提高计算速度和性能；CUDA用于利用GPU的强大计算能力来加速计算任务。
这些技术的结合使得阿尔法狗能够进行高效的数据处理和模型训练，并通过强化学习算法不断优化自身的决策能力，从而在围棋等复杂游戏中取得优秀的表现。