（1）国际象棋
1997年，IBM “深蓝”4:2战胜卡斯帕罗夫，这是历史上计算机第一次在一对一的比赛中打败人类的世界冠军，此事在当时引起了众人极大的恐慌，由此也产生了许多在至今来看也不过时的科幻电影。在计算机最终战胜了象棋大师后，普林斯顿大学的一位天体物理学家评论说：“计算机想要在围棋比赛中打败人类恐怕还要100年，甚至更久。”计算机科学家们接受了这一挑战，他们将注意力转移到了这一古老的中国策略游戏，它看起来简单至极，但想要参透其中的精髓却非常困难。正因为这个原因，围棋博弈成为了人工智能研究的新的标的物和“果蝇”。
（2）围棋
2014年，谷歌开始研发一种叫阿法狗（AlphaGo）的深度学习神经网络，并以此为基础拉开了以围棋作为人工智能果蝇的研究序幕：
（1）2015年10月，AlphaGo前身（当时还不出名）5:0横扫欧洲围棋冠军樊麾；
（2）2016年3月AlphaGo打败李世石（名声大振），然后以“Master”为注册名，在弈城围棋网和野狐围棋网依次对战数十位人类顶尖围棋高手，取得60胜0负的辉煌战绩。（2017年1月4号官宣Master就是DeepMind人工智能阿法狗的最新版）；
（3）2017年5月，阿法狗“Master”向围棋世界等级分第一的柯洁发起挑战。三次比赛阿法狗都完胜这位世界冠军。而且，最令人吃惊的是十月份谷歌宣布研发出比“Master”更复杂精准的AlphaGo版本；
（4）2017年12月，DeepMind又推出了一个叫AlphaZero的更新版本。这个新的人工智能可以在短短几小时内迅速学习掌握各种游戏。在仅仅八小时的自我学习后，这个更新版本系统打败了先前的AlphaGo，战绩是100:0，经过40天的自我训练，AlphaGo Zero又打败了AlphaGo Master版本。“Master”曾击败过世界顶尖的围棋选手，甚至包括世界排名第一的柯洁。
（3）德州扑克
虽然围棋提供了一个复杂环境的游戏，但掌握扑克游戏给了人工智能一个完全不同的命题。要想在扑克游戏中大胜，需要掌握欺骗的艺术。虚张声势和识别虚张声势在臭名昭著的纸牌游戏中是取胜的关键。
2017年1月30日，在宾夕法尼亚州匹兹堡的Rivers赌场，卡内基梅隆大学的一个团队开发的人工智能系统Libratus战胜4位德州扑克顶级选手；
在2017年1月举行了公开比赛，卡内基梅隆大学的一个团队开发的人工智能系统Libratus花费了20天与4名专业扑克选手进行了120,000场无限下注德州扑克。虽然职业选手每晚都在讨论这套系统的弱点，但Libratus也在每天不断自我改进，在游戏中修补漏洞并改进策略。经过一个月的全天候游戏，Libratus增加了170万美元，每名专业选手却损失了数千美元的虚拟赌注。一名失利选手在比赛中途对Wired杂志说道：“与它比赛就像能看到我的手牌一样，我甚至以为自己是在和一个作弊的人比赛。”
其实在国际象棋之前，跳棋和黑白棋也作为人工智能的“果蝇”成为人工智能研究者的研究对象。1949年，Arthur Samuel在IBM701上编写世界第一款国际跳棋程序Checkers，股票大涨15%；1962年打败人类选手；1990-1994年8月Jonathan Schaeffer教授率队跳棋程序Chinook与数学家Marion Tinsley持续胶着大战，这是另外一段佳话，此处不再赘述。
事实上，随着科技的飞速发展以及人工智能技术的不断进步，人工智能的研发者们一定会寻找更多的“果蝇”进行研究，去测试他们逐渐复杂但又十分精细的算法。而从应用的角度来看，既然人工智能能够在这些具有标的物意义的“果蝇”取得那么好的成绩，那么人工智能技术还能用在什么地方呢？这就引发了人工智能赋能的价值期望。
