回答:
私の意見では、このようになりPhaeacoダグラス・ホフスタッターのCRCCの研究グループでハリーFoundalisによって開発されました、。
これは、ボンガード問題のノイズの多い写真画像を入力として受け取り、（ホフスタッターの「流体概念」アーキテクチャのバリアントを使用して）多くの場合に必要なルールをうまく導き出します。
Hofstadterは、CopyCatの関連する成功を「宙返りをしている小さな子供のようなもの」であると説明しています。つまり、AlphaGoのようなシステムの派手な魅力はありません。何それはないが持っていることはホフスタッターの主張（および多くを含むピーター・ノーヴィグが同意）他のシステムよりも、問題の構造の認識をはるかに柔軟な（つまり、あらかじめ用意しない）アプローチである、本当に難しい問題。
すでに投稿された回答に加えて、IBMのWatsonについて言及するに値すると思います。Jeopardyでの勝利は、AlphaGoと同じくらい印象的なものでした。残念ながら、それ以来、IBMはテクノロジーを企業や他の組織向けのツールとして位置付けており、それらのほとんどは彼らの詳細についてかなり秘密にされているため、ワトソンの実際に公開されたデモはそれほど多くないようです。やっている。彼らはそれを医学的診断に使用することについて少し情報を公表したと思いますが、それは私が手に負えないと考えることができる唯一の他のアプリケーションです。まだあると思います。
AlphaGoは、人工総合知能（AGI）に向けた最も洗練された、最も密接な人間の創造物です。それはボードゲーム「行く」をプレイするためにGoogle DeepMindによって開発されたコンピュータープログラムです。リーガルボードの潜在的なポジションの数は、宇宙の原子の数よりも多いため、このゲームは他のゲームとは異なります。チェスよりもはるかに多くの法的取締役会の地位を持っています。そのため、AlphaGoを開発するには別のテクニックが必要です。
2016年3月の世界のトッププレーヤーに対するプログラムの勝利は、大きな突破口と見なされますAIの分野で。囲碁は以前は困難な問題であると考えられていましたが、多くの専門家は現在の技術では十分ではないと信じていました。専門家は、十分に開発されたGoソフトウェアプレーヤーが開発されるまでには、少なくとも5年（または10年程度）かかると述べています。
ゲームは、ゲームを学習するために、深層学習と強化学習の高度なアルゴリズムを使用しました。このゲームが他のボードゲーム（チェス、リバーシなど）と異なる点は、動きが直感に基づいていることが多いことです。チェスのプレイヤーになぜ彼が特定の動きをするのかと尋ねると、常に彼の答えが聞こえ、彼はこの動きが勝利の変化でどのように増加することができるかを説明します。すべての移動は、特定のヒューリスティック、戦略、および/またはトリックを使用します。これはGoには当てはまりません。いくつかの動きは、直感のためにしばしば取られます。ゲームをプレイできるAIソフトウェアをコーディングすることで、直感がゲームの不可欠な部分であり、今日ある他のAIとは異なります。
現在AlphaGoは人工知能に最も近いAIソフトウェアです。
私の意見では、これはグーグルの検索エンジンだろう。
ウェブを検索します。