在我看来，这将是Phaeaco，它是由 Douglas Hofstadter 的 CRCC 研究小组的 Harry Foundalis 开发的。

它以Bongard 问题的嘈杂照片图像作为输入，并且（使用 Hofstadter 的“流体概念”架构的变体）在许多情况下成功地推导出了所需的规则。

Hofstadter 将CopyCat的相关成功描述为“就像一个小孩子在翻筋斗”：即它没有像 AlphaGo 这样的系统那样华而不实的吸引力。然而，它所拥有的是一种比其他系统更灵活（即不是预先确定的）感知问题结构的方法，Hofstadter 声称（包括 Peter Norvig 在内的许多人都同意）这是真正困难的问题。

除了已经发布的答案，我认为 IBM 的Watson值得一提。它在 Jeopardy 的胜利中取得了令人印象深刻的成就，可能与 AlphaGo 一样令人印象深刻。可悲的是，从那时起，Watson 的真正公开演示似乎并不多，因为 IBM 将这项技术定位为公司和其他组织的工具，而且他们中的大多数人对他们的细节非常保密正在做。我认为他们确实公开了一些关于将其用于医疗诊断的信息，但这是我能想到的唯一其他应用程序。我敢肯定还有更多。

AlphaGo是人类创造的最复杂的人工智能程序。它是由 Google DeepMind 开发的用于玩棋盘游戏“围棋”的计算机程序。该游戏与其他游戏不同，因为潜在合法棋盘位置的数量大于宇宙中的原子数量。它比国际象棋拥有更多的合法董事会职位。因此，AlphaGo的开发需要不同的技术。

计划在 2016 年 3 月战胜世界上最好的球员被认为是一个重大突破在人工智能领域。围棋以前被认为是一个难题，许多专家认为目前的技术还不够。专家们说，我们至少需要 5 年（或可能是 10 年）才能拥有一个开发良好的围棋软件播放器。

该游戏使用深度学习和强化学习的复杂算法来学习游戏。这款游戏与其他棋盘游戏（如国际象棋、黑白棋等）的不同之处在于，移动通常基于直觉。如果你问一个国际象棋棋手为什么要采取某种行动，你总是会听到一个答案，他会向你解释他认为这一行动如何增加获胜的变化。每一步都使用某些启发式方法、策略和/或技巧。Go 的情况并非如此。由于直觉，通常会采取一些动作。编写可以玩游戏的 AI 软件，其中直觉是游戏不可或缺的一部分，这使得它与我们今天拥有的其他 AI 不同。

目前，AlphaGo 是最接近通用人工智能的人工智能软件。

您可以通过这些链接了解更多信息：

1. 第一的
   
2. 第二

在我看来，这将是谷歌搜索引擎。

它搜索网络。