人工智能的現(xiàn)代概念已經(jīng)伴隨我們走過了幾十年，但直到最近，人工智能才抓住了日常生活、商業(yè)和社會的集體心理。

人工智能是指計算機和系統(tǒng)執(zhí)行通常需要人類認知才能完成任務的能力。人工智能與人的關系是共生的，其“觸角”觸及人類生產(chǎn)、生活的方方面面，從疾病患者的早期檢測和更好的治療，到各種形式和各種規(guī)模企業(yè)新的收入來源和更好的運營管理，如今已是無處不在。

自1950年圖靈測試以來，人工智能工具和技術已經(jīng)取得了令人難以置信的進步，其中許多突破性進展一直在業(yè)界的關注下被頻繁發(fā)掘。盡管如此，直到過去十年，人工智能才真正應用于滿足大眾需求的場景，智能語言助理、自動駕駛汽車、生成式AI等等徹底改變了大眾市場的需求格局。

我們或許可以透過人工智能發(fā)展迄今為止的歷史時間表來思考AI的未來，以及對大眾生活的影響：

1950年

艾倫·圖靈發(fā)表了《計算機器與智能》，圖靈測試打開了通向人工智能的大門。

1951年

Marvin Minsky 和 Dean Edmonds 使用3000個真空管來模擬由40個神經(jīng)元組成的網(wǎng)絡，開發(fā)了第一個名為SNARC的人工神經(jīng)網(wǎng)絡（ANN）。

1952年

Arthur Samuel開發(fā)了Samuel Checkers-Playing Program，這是世界上第一個自學游戲的程序。

1956年

約翰·麥卡錫、馬文·明斯基、納撒尼爾·羅切斯特和克勞德·香農(nóng)在一項研討會提案中創(chuàng)造了“人工智能”一詞，該研討會被廣泛認為是人工智能領域的創(chuàng)始活動。

1958年

弗蘭克·羅森布拉特開發(fā)了感知器，這是一種可以從數(shù)據(jù)中學習的早期人工神經(jīng)網(wǎng)絡，可以看成是現(xiàn)代神經(jīng)網(wǎng)絡的基礎。

約翰·麥卡錫開發(fā)了Lisp編程語言，該語言很快被人工智能行業(yè)采用，并受到開發(fā)人員歡迎。

1959年

亞瑟·塞繆爾在一篇開創(chuàng)性論文中創(chuàng)造了“機器學習”一詞，解釋說明計算機可以通過編程來超越程序員。

Oliver Selfridge發(fā)表了《Pandemonium：學習范式》，這是對機器學習的里程碑式貢獻，它描述了一種可以自適應改進自身以發(fā)現(xiàn)事件模式的模型。

1964年

Daniel Bobro在麻省理工學院攻讀博士期間開發(fā)了STUDENT，這是一個早期的自然語言處理NLP程序，旨在解決代數(shù)相關問題。

1965年

Edward Feigenbaum、Bruce G. Buchanan、Joshua Lederberg和Carl Djerassi開發(fā)了第一個專家系統(tǒng)Dendral，該系統(tǒng)幫助有機化學家識別未知的有機分子。

1966年

Joseph Weizenbaum創(chuàng)建了Eliza，這是有史以來最著名的計算機程序之一，它能夠與人類進行對話，并使人相信該軟件具有人類情感。

斯坦福研究院開發(fā)了首款結合人工智能、計算機視覺、導航和自然語言處理的移動智能機器人Shakey。它是自動駕駛汽車和無人機的鼻祖。

1968年

Terry Winograd創(chuàng)建了SHRDLU，這是第一個多模態(tài)人工智能，可以根據(jù)用戶指令操作并推理出一個由塊組成的世界。

1969年

Arthur Bryson和Yu-Chi Ho描述了一種可實現(xiàn)多層人工神經(jīng)網(wǎng)絡的反向傳播學習算法，它是感知器的技術的延伸，也是深度學習的基礎。

Marvin Minsky和Seymour Papert出版了《感知器》一書，描述了簡單神經(jīng)網(wǎng)絡的局限性，這導致了神經(jīng)網(wǎng)絡研究的衰落，符號人工智能研究得以蓬勃發(fā)展。

1973年

詹姆斯·萊特希爾發(fā)布的《人工智能：綜合調查》報告導致英國大幅減少對人工智能研究的支持。

1980年

符號Lisp機器商業(yè)化，標志著人工智能研究復興。但幾年后，Lisp機器市場崩潰了。

1981年

Danny Hillis為人工智能和其他計算任務設計了并行計算機，其架構類似于現(xiàn)代GPU。

1984年

馬文·明斯基和羅杰·尚克在人工智能促進協(xié)會的一次會議上創(chuàng)造了“人工智能冬天”一詞，警告商界人工智能炒作將導致大眾失望和行業(yè)崩潰，這在三年后發(fā)生了。

1985年

Judea Pearl引入了貝葉斯網(wǎng)絡因果分析，它提供了表示計算機中不確定性的統(tǒng)計技術。

1988年

彼得·布朗等人發(fā)表了“語言翻譯的統(tǒng)計方法”，為機器翻譯方法的更廣泛的研究鋪平了道路。

1989年

Yann LeCun、Yoshua Bengio和Patrick Haffner演示了如何使用卷積神經(jīng)網(wǎng)絡（CNN） 來識別手寫字符，表明神經(jīng)網(wǎng)絡可以應用于現(xiàn)實世界的問題。

1997年

Sepp Hochreiter和Jürgen Schmidhuber提出了長短期記憶遞歸神經(jīng)網(wǎng)絡，它可以處理整個數(shù)據(jù)序列，例如語音或視頻。

IBM的“深藍”在一場歷史性的國際象棋復賽中擊敗了加里·卡斯帕羅夫，這是國際象棋衛(wèi)冕世界冠軍在錦標賽上首次被計算機打敗。

2000年

蒙特利爾大學的研究人員發(fā)表了“神經(jīng)概率語言模型”，提出了一種使用前饋神經(jīng)網(wǎng)絡來建模語言的方法。

2006年

李飛飛開始研究（后來于2009年推出）ImageNet視覺數(shù)據(jù)庫，該數(shù)據(jù)庫成為了人工智能熱潮的催化劑，也是圖像識別算法年度競賽的基礎。

2009年

Rajat Raina、Anand Madhavan和Andrew Ng發(fā)表了《使用圖形處理器進行大規(guī)模深度無監(jiān)督學習》，提出了使用GPU訓練大型神經(jīng)網(wǎng)絡的想法。

2011年

Jürgen Schmidhuber、Dan Claudiu Cire?an、Ueli Meier和Jonathan Masci開發(fā)了第一個CNN，并贏得了德國交通標志識別競賽，從而實現(xiàn)了“超人”的性能。

同年，蘋果發(fā)布了Siri語音助理。

2012年

Geoffrey Hinton、Ilya Sutskever和Alex Krizhevsky介紹了一種深度CNN架構，該架構贏得了ImageNet 挑戰(zhàn)并引發(fā)了深度學習研究和實現(xiàn)的爆炸式增長。

2013年

天河二號以33.86petaflops的速度將世界頂級超級計算速度提高了一倍，連續(xù)第三次蟬聯(lián)世界最快系統(tǒng)的稱號。

DeepMind引入深度強化學習，這是一種基于獎勵和重復學習的CNN，抵達了人類專家的水平。

谷歌研究員Tomas Mikolov及其同事引入了Word2vec，以自動識別單詞之間的語義關系。

2014年

Ian Goodfellow及其同事創(chuàng)造了生成對抗網(wǎng)絡，這是一類用于生成照片、轉換圖像和深度模擬的機器學習框架。

Diederik Kingma和Max Welling引入了變分自動編碼器來生成圖像、視頻和文本。

Facebook開發(fā)了深度學習面部識別系統(tǒng)DeepFace，能夠以接近人類的準確度識別數(shù)字圖像中的人臉。

2016年

DeepMind的AlphaGo在韓國首爾擊敗了圍棋頂尖選手李世石。

優(yōu)步在匹茲堡針對特定用戶群體啟動了自動駕駛汽車試點計劃。

2017年

斯坦福大學研究人員在論文《使用非平衡熱力學的深度無監(jiān)督學習》中發(fā)表了有關擴散模型的研究成果。該技術提供了一種向圖像添加噪聲的過程進行逆向工程的方法。

谷歌研究人員在論文Attention Is All You Need中提出了Transformer的概念，啟發(fā)了后續(xù)對能夠自動將未標記文本解析為大型語言模型 （LLM） 的工具的研究。

英國物理學家史蒂芬·霍金警告說：“除非我們學會如何為潛在風險做好準備，否則人工智能可能成為人類文明史上最糟糕的事件。”

2018年

Cimon由IBM、空客公司和德國航空航天中心DLR開發(fā)，這是一個被送入太空協(xié)助宇航員的機器人。

OpenAI發(fā)布了GPT（Generative Pre-trained Transformer），為后續(xù)的LLM鋪平了道路。

Groove X推出了一款名為Lovot的家用迷你機器人，它可以感知并響應人類的情緒變化。

2019年

微軟推出了Turing Natural Language Generation生成語言模型，該模型擁有170億個參數(shù)。

谷歌人工智能和朗格醫(yī)學中心的深度學習算法表明在檢測潛在肺癌方面優(yōu)于放射科醫(yī)生。

2020年

Open AI發(fā)布了由1750億個參數(shù)組成的GPT-3 LLM，用于生成式AI文本。

英偉達宣布推出Omniverse平臺測試版，用于在增強現(xiàn)實AR中創(chuàng)建3D模型。

2021年

OpenAI推出了Dall-E多模態(tài)AI系統(tǒng)，可以根據(jù)文本提示生成圖像。

2022年

谷歌軟件工程師Blake Lemoine泄密Lamda架構并聲稱其具有感知能力。

DeepMind推出用于為矩陣乘法等數(shù)學問題發(fā)現(xiàn)新型、高效且可驗證的算法的AI系統(tǒng)AlphaTensor。

英特爾聲稱其FakeCatcher實時Deepfake檢測器的準確度為 96%。

OpenAI于11月發(fā)布了ChatGPT，基于GPT-3.5 LLM并提供終端用戶使用的UI聊天界面。

2023年

OpenAI宣布推出GPT-4多模態(tài)LLM，可接收文本和圖像輸入。

埃隆·馬斯克、史蒂夫·沃茲尼亞克與數(shù)千位簽名者敦促業(yè)界暫停訓練“比GPT-4更強大的人工智能系統(tǒng)”六個月。

2023年之后

AI的歷史仍在繼續(xù)……