网站导航
导语：从神学家到科学家，到作家，无数人都在向我们描绘AI，在几百年的历史长河中，AI的面容渐渐清晰。最近，《福布斯》发表文章，为AI修订了一本“简史”，通过这篇文章，我们就可以理解AI的过去与现在，以及未来。
1308年：加泰罗尼亚诗人、神学家雷蒙·卢尔（Ramon Llull）发表作品《Ars generalis ultima》（意思就是最终的综合艺术），详细解释了自己的理论：用机械方法从一系列概念组合中创造新知识。
1666年：数学家和哲学家莱布尼茨（Gottfried Leibniz）出版《On the Combinatorial Art》，他继承了雷蒙·卢尔的思想，莱布尼茨认为人类的所有创意全都来自于少量简单概念的结合。
1726年：英国小说家乔纳森·斯威夫特（Jonathan Swift）出版《格列佛游记》，他在书中描述了一台名叫“Engine”的机器，这台机器放在Laputa岛。斯威夫特描述称：“运用实际而机械的操作方法来改善人的思辨知识。”“最无知的人，只要适当付点学费，再出一点点体力，就可以不借助于任何天才或学力，写出关于哲学、诗歌、政治、法律、数学和神学的书来。”
1763年：托马斯·贝叶斯（Thomas Bayes）创造一个框架，可以用来推理事件的可能性。最终贝叶斯推理方法成为机器学习的主要理论。
1854年：乔治·布尔（George Boole）认为逻辑推理可以系统进行，就像解答方程式一样。
1898年：在麦迪逊广场花园举行的电气展览会上，尼古拉·特斯拉（Nikola Tesla）展示世界第一艘无线电遥控船。按照特斯拉的描述，船只拥有“借来的思想”。
1914年：西班牙工程师莱昂纳多·托里斯·克维多（Leonardo Torres y Quevedo）展示世界上第一台可以自动下象棋的机器，不需要人类干预，机器可以自动下国际象棋。
1921年：捷克作家卡雷尔·恰佩克（Karel ?apek）在他的作品《Rossum’s Universal Robots》中首次使用了“机器人（Robot）”一词，这个词汇来自于“robota（工作）”。
1925年：无线电设备公司Houdina Radio Control展示世界第一辆用无线控制的无人驾驶汽车，汽车可以在纽约街道上行驶。
1927年：科幻电影《大都会》（Metropolis）上映。在影片中，一位名叫Maria的农村女孩是机器人，她在2026年的柏林引起骚乱。这是机器人第一次出现在荧幕上，后来《星球大战》中的“C-3PO”受到它的启发。
1929年：西村真琴（Makoto Nishimura）设计出“Gakutensoku”，在日语中，该名称的意思就是说“向自然之法学习”，它是日本制造的第一个机器人。机器人可以改变面部表情，可以通过空气压力机制移动头部和手部。
1943年：沃伦·麦卡洛克（Warren S. McCulloch）和沃尔特·皮茨（Walter Pitts）在《数学生物物理学公告》上发表论文《神经活动中内在思想的逻辑演算》（A Logical Calculus of the Ideas Immanent in Nervous Activity）。这篇论文对后世影响巨大，它讨论了理想化、简化的人工神经元网络，以及它们如何形成简单的逻辑功能，后来诞生的计算机“神经网络”（以及最后出现的深度学习）受到它的启发，所谓的“模拟大脑”这一说法也来自于它。
1949年，埃德蒙·伯克利（Edmund Berkeley）出版《Giant Brains: Or Machines That Think》，他在书中写道：“最近出现许多消息，谈论的主题是奇怪的巨型机器处理信息，速度极快，技能很强……这种机器与大脑相似，由硬件和线缆组成，而不是血肉和神经……机器可以处理信息，可以计算、可以得出结论、可以选择，还可以根据信息执行合理操作。总之，这台机器可以思考。”
1949年：唐纳德·赫布（Donald Hebb）发表《Organization of Behavior: A Neuropsychological Theory》，他提出一种理论：根据猜想学习，这些猜测与神经网络高度关联，随着时间的推移，神经元突触会得到强化或者削弱。
1950年：克劳德·香农（Claude Shannon）发表《编程实现计算机下棋》（Programming a Computer for Playing Chess），这篇论文第一次开始关注计算机象棋程序的开发问题。
1950年：阿兰·图灵（Alan Turing）发表论文《Computing Machinery and Intelligence》，他在论文中谈到了“模仿游戏”这一概念，也就是广为人知的“图灵测试”。
1951年：马文·明斯基（Marvin Minsky）和迪恩·爱德蒙（Dean Edmunds）开发了SNARC，它是“Stochastic Neural Analog Reinforcement Calculator”的简称，意思是“随机神经网络模拟加固计算器”。SNARC是第一个人工神经网络，用3000个真空管模拟40个神经元的运行。
1952年：阿瑟·萨缪尔（Arthur Samuel）开发出第一个计算机跳棋程序，它也是世界上第一个可以自己学习的程序。
1955年8月31日：专家在一份提案中首次提出“AI（人工智能，artificial intelligence）”这一术语，提案建议由10名专家组成小组，花2个月时间研究人工智能。这份提案是达特茅斯学院约翰·麦卡锡（John McCarthy）、哈佛大学马文·明斯基（Marvin Minsky）、IBM纳撒尼尔·罗彻斯特（Nathaniel Rochester）和贝尔电话实验室克劳德·香农（Claude Shannon）联合提交的。1956年7月和8月，讨论会正式举行，这次会议成为人工智能诞生的标志。
1955年12月：赫伯特·西蒙（Herbert Simon）和艾伦·纽厄尔（Allen Newell）开发了“Logic Theorist”，它是世界上第一个AI项目，在罗素和怀特海《数学原理》第二章有52个定理，AI可以证明其中的38个。
1957年：弗兰克·罗森布拉特（Frank Rosenblatt）开发了“Perceptron”，它是一个人工神经网络，可以利用两层计算机学习网络识别模式。《纽约时报》刊文称，Perceptron是电子计算机的雏形，美国海军预测未来它可以自己行走、可以说话、可以看见东西、可以书写，还可以自己生产自己，能感知到自己的存在。《纽约客》认为它是一台“了不起的机器……可以思考。”
1958年：约翰·麦卡锡（John McCarthy）开发了程序语言Lisp，它最终成为AI研究最流行的程序语言。
1959年：阿瑟·萨缪尔（Arthur Samuel）创造了“机器学习”这一术语，他在论文中谈到了一个程序，该程序可以让计算机学习如何下棋，棋艺可以超越程序开发者。
1959年：奥利弗·赛弗里奇（Oliver Selfridge）发表论文《Pandemonium: A paradigm for learning》，他在论文中描述了一种处理模型，不需要预先设定，计算机就可以通过该模型识别新模式。
1959年：约翰·麦卡锡（John McCarthy）发表论文《Programs with Common Sense》。他在论文中谈到了Advice Taker，这是一个程序，可以通过控制正式语言中的句子解决问题，它的终极目标是开发出可以像人类一样从过往经历不断学习的程序。
1961年：第一台工业机器人Unimate在新泽西州通用汽车的组装线上投入使用。
1961年：詹姆斯·斯拉格（James Slagle）开发了SAINT（符号自动积分程序），这套启发式程序可以有效解决大学一年级微积分符号整合问题。
1964年：丹尼尔·鲍勃罗（Daniel Bobrow）完成论文《Natural Language Input for a Computer Problem Solving System》，这是他在MIT的博士论文。鲍勃罗还开发了STUDENT，也就是自然语言理解计算机程序。
1965年：赫伯特·西蒙（Herbert Simon）预测在20年内，机器可以做人类所能做的事。
1965年：赫伯特·德雷福斯（Herbert Dreyfus）发表《Alchemy and AI》，他认为智力与计算机是不一样的，有些限制无法打破，直接导致AI无法进步。
1965年，古德（I.J.Good）在《Speculations Concerning the First Ultraintelligent Machine》写道：“第一台超智能机器将是人类的最终发明，机器足够温顺，完全可以告诉我们如何控制它。”
1965年：约瑟夫·维森班（Joseph Weizenbaum）开发了ELIZA，这是一个交互程序，它可以根据任何主题进行英文对话。一些人想将人类的感觉赋予计算机程序，对此维森班感到很震惊，他开发程序只是为了证明机器与人的交流很肤浅。
1965年：费根鲍姆（Edward Feigenbaum）、布鲁斯·布坎南（Bruce G.Buchanan）、莱德伯格（Joshua Lederberg）和卡尔·杰拉西（Carl Djerassi）在斯坦福大学研究 DENDRAL，它是第一个专家系统，能够自动做决策，解决有机化学问题，它的目的是研究假说信息，构建科学经验归纳模型。
1966年：机器人Shakey诞生，它是第一款基于通用目的开发的移动机器人，可以按逻辑形成自有动作。1970年，《生活》杂志称它是“第一个电子人“。文章还引用计算机科学家马文？明斯基（Marvin Minsky）话称：”3到8年之内，机器的智力就可以达到普通人的平均水平。“
1968年：电影《2001太空漫游》上映，电影中的角色Hal就是一台有感知能力的计算机。
1968年：特里·维诺格拉德（Terry Winograd）开发了SHRDLU，它是一个理解早期语言的计算机程序。
1969年：阿瑟·布莱森（Arthur Bryson）和何毓琦（Yu-Chi Ho）在论文中描述称，反向传播可以作为多阶段动态系统优化方法使用。这是一种学习算法，它可以应用于多层人工神经网络，2000-2010年深度学习之所以大获成功离不开它的启发，在后来的日子里，计算机性能突飞猛进，可以适应巨大网络的训练。
1969年：马文·明斯基（Marvin Minsky）和西摩尔·帕普特（Seymour Papert）联合发表作品《Perceptrons: An Introduction to Computational Geometry》。1988年该书扩充再版，两位作者在书中表示，1969年得出的结论明显减少了神经网络研究所需的资金。作者称：“我们认为，由于缺少基本理论，研究已经基本处于停滞状态……到了60年代，人们在认知器演算方面进行了大量实验，但是没有一个人可以解释系统为何可以识别特定模式，而其它模式却无法识别。”
1970年：第一个拟人机器人诞生，它就是WABOT-1，由日本早稻田大学开发，它包括了肢体控制系统、视觉系统、会话系统。
1972年：MYCIN是一个早期专家系统，它可以识别引发严重传染病的细菌，还可以推荐抗生素，该系统是斯坦福大学开发的。
1973年：詹姆斯·莱特希尔（James Lighthill）向英国科学研究委员会提交报告，介绍了AI研究的现状，他得出结论称：“迄今为止，AI各领域的发现并没有带来像预期一样的重大影响。”最终政府对AI研究的热情下降。
1976年：计算机科学家拉吉·瑞迪（Raj Reddy）发表论文《Speech Recognition by Machine: A Review》，它对自然语言处理（Natural Language Processing）的早期工作做了总结。
1978年：卡内基梅隆大学开发了XCON程序，这是一套基于规则开发的专家系统，可以辅助DEC VAX计算机，根据客户的要求自动选择组件。
1979年：在没有人干预的情况下，Stanford Cart自动穿过摆满椅子的房间，前后行驶了5小时，它相当于早期无人驾驶汽车。
1980年：日本早稻田大学研制出Wabot-2机器人，这是一个人型音乐机器人，可以与人沟通，可以阅读乐谱，还可以演奏普通难度的电子琴。
1981年：日本国际贸易和工业部向“第五代计算机”项目投入8.5亿美元，该项目只为开发出可以对话、翻译语言、解释图片、像人一样推理的计算机。
1984年：《电脑梦幻曲》（Electric Dreams ）电影上映，它讲述了一名男子、一名女子和一台电脑的三角恋故事。
1984年：在年度AAAI会议上，罗杰·单克（Roger Schank）和马文·明斯基（Marvin Minsky）发出警告，他们认为“AI寒冬”已经来临，AI泡沫很快就会破灭，AI投资与研究资金也减少，正如70年代出现的事情一样。
1986年：在恩斯特·迪克曼斯（Ernst Dickmanns）的指导下，慕尼黑大学开发了第一辆无人驾驶汽车，这是一辆奔驰厢式货车，配有摄像头和传感器，座位上没有人，最高时速55英里。
1987年：苹果当时的CEO斯卡利（John Sculley）在Educom发表主题演讲，谈到了“知识领航员”（Knowledge Navigator）的概念，他描述了一个诱人的未来：“我们可以用智能代理连接知识应用，代理依赖于网络，可以与大量数字化信息联系。”
1988年：朱迪亚·珀尔（Judea Pearl）发表了《Probabilistic Reasoning in Intelligent Systems》，2011年珀尔获得图灵奖，颁奖词介绍称：“朱迪亚·珀尔为不确定条件下处理信息找到了具象特征，奠定了计算基础。人们认为他是贝叶斯网络的发明人，贝叶斯网络是一套数据形式体系，可以确定复杂的概率模型，还可以成为这些模型推断时的主导算法。”
1988年：罗洛·卡彭特（Rollo Carpenter）开发了聊天机器人Jabberwacky ，它可以用有趣、娱乐、幽默的形式模拟人类对话。利用与人互动的方法开发AI，卡彭特做出了独特的尝试。
1988年：IBM沃森研究中心发表《A statistical approach to language translation》，它标志着过渡的开始，以前我们采用的是基于规则的机器翻译概率法，它开始向“机器学习”转移，机器学习是以已知案例的数据分析作为基础的，而不是对手上任务的理解。IBM的项目名叫Candide，它可以成功在英语和法语之间翻译，这套系统以220万对句子作为基础。
1988年：马文·明斯基（Marvin Minsky）和西摩尔·帕普特（Seymour Papert）出版了图书《Perceptrons》，这本书1969年首次出版，1988年扩充后再版。两人解释了再版的原因：“AI领域的研究为何没有取得突破？因为研究人员不熟悉历史，老是犯一些前人已经犯过的错误。”
1989年：燕乐存（Yann LeCun）与AT&T贝尔实验室的其它研究人员携手合作，成功将反向传播算法应用于多层神经网络，它可以识别手写邮编。由于当时的硬件存在限制，训练神经网络花了3天。
1990年：罗德尼·布鲁克斯（Rodney Brooks）发表了《lephants Don’t Play Chess》，他提出了新的AI方法：利用环境交互重新打造智能系统和特殊机器人。布鲁克斯称：“世界就是我们的最佳模型……关键在于正确感知它，保持足够高的频率。”
1993年：弗农·温格（Vernor Vinge）发表了《The Coming Technological Singularity》，他预测在30年之内，我们可以用技术创造出超智者，简言之，人类将会终结。
1995年：理查德·华莱士（Richard Wallace）开发了聊天机器人 A.L.I.C.E（Artificial Linguistic Internet Computer Entity的缩写），它受到了ELIZA的启发，由于互联网已经出现，网络为华莱士提供了海量自然语言数据样本。
1997年：赛普·霍克赖特（Sepp Hochreiter）和于尔根·施密德胡伯（Jürgen Schmidhuber）提出了LSTM概念（长短期记忆），今天的递归神经网络就是用这种方法开发的，它可以识别手写笔迹，还可以识别语音。
1997年：IBM研发的“深蓝”（Deep Blue）击败人类象棋冠军。
1998年：戴夫·汉普顿（Dave Hampton）和钟少男（Caleb Chung）开发了Furby，它是第一款家庭机器人，或者说是宠物机器人。
1998年：燕乐存（Yann LeCun）与人合作发表论文，谈到了用神经网络识别手写笔迹的问题，还谈到了优化向后传播的问题。
2000年：MIT研究人员西蒂亚·布雷泽尔（Cynthia Breazeal）开发了Kismet，它是一个可以识别、模拟表情的机器人。
2000年：本田推出了ASIMO，它是一个人工智能拟人机器人，可以像人类一样快速行走，在餐馆内可以将盘子送给客人。
2001年：斯皮尔伯格拍摄的电影《人工智能》上映，影片中一个机器人很像人类小孩，他的程序很独特，拥有爱的能力。
2004年：第一届DARPA自动驾驶汽车挑战赛在莫哈韦沙漠举行，可惜没有一辆自动驾驶汽车完成150英里的挑战目标。
2006年：杰弗里·辛顿（Geoffrey Hinton）发表《Learning Multiple Layers of Representation》，他首次提出了“机器阅读”这一术语，所谓机器阅读就是说系统不需要人的监督就可以自动学习文本。
2007年：杰弗里·辛顿（Geoffrey Hinton）发表《Learning Multiple Layers of Representation》，根据他的构想，我们可以开发出多层神经网络，这种网络包括自上而下的连接点，可以生成感官数据训练系统，而不是用分类的方法训练。辛顿的理论指引我们走向深度学习。
2007年：李飞飞（Fei Fei Li ）和普林斯顿大学的同事携手合作，开始研究ImageNet，这是一个大型数据库，由大量带注解的图片组成，旨在为视觉对象识别软件研究提供辅助。
2009年：Rajat Raina、阿南德·马德哈迈（Anand Madhavan）和吴恩达（Andrew Ng）发表论文《Large-scale Deep Unsupervised Learning using Graphics Processors》，他们认为“现代图形处理器的计算能力远超多核CPU，GPU有能力为深度无监督学习方法带来变革。”
2009年：谷歌开始秘密研发无人驾驶汽车，2014年，谷歌在内华达州通过了自动驾驶测试。
2009年，西北大学智能信息实验室的研究人员开发了Stats Monkey，它是一款可以自动撰写体育新闻的程序，不需要人类干预。
2010年：ImageNet大规模视觉识别挑战赛（ILSVCR）举办。
2011年：在德国交通标志识别竞赛中，一个卷积神经网络成为赢家，它的识别率高达99.46%，人类约为99.22%。
2011年：IBM开发的自然语言问答计算机沃森在“危险边缘”（Jeopardy！）中击败两名前冠军。
2011年：瑞士Dalle Molle人工智能研究所发布报告称，用卷积神经网络识别手写笔迹，错误率只有0.27%，之前几年错误率为0.35-0.40%，进步巨大。
2012年6月：杰夫·迪恩（Jeff Dean）和吴恩达（Andrew Ng）发布报告，介绍了他们完成的一个实验。两人向大型神经网络展示1000万张未标记的图片，这些图片是随机从YouTube视频中抽取的，发现当中的一个人工神经元对猫的图片特别敏感。
2012年10月：多伦多大学设计的卷积神经网络参加ImageNet大规模视觉识别挑战赛（ILSVCR），它的错误率只有16%，比往年25%的错误率大幅改进。
2016年3月：谷歌DeepMind研发的AlphaGo击败围棋冠军李世石。（原文来自：福布斯）
相关文章
精彩导读
热门资讯