人工智能（AI）历史

这个词和这项技术并不新鲜，研究人员也并非对人工智能的所有事物都感到陌生。您可能会认为这项技术比您想象的要古老得多。在古希腊和埃及的神话中，都有关于机械人的传说。以下是人工智能发展史上的一些重要里程碑，它们塑造了从现在到过去的人工智能发展道路。

人工智能的成熟（1943-1952）

在1943年至1952年期间，人工智能（AI）的发展取得了大量进展。在此期间，随着实验和实际应用的创建，AI从理论走向了现实。然而，在此期间，一些关键事件包括：

• 1943年：沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts）在1943年提出了第一项被认为是人工智能的工作，并提出了一个人工神经元模型。
• 1949年：唐纳德·赫布（Donald Hebb）展示了一种更新规则，用于修改神经元之间的连接强度。然而，这条规则现在被称为赫布学习。
• 1950年：“1950年，爱尔兰人艾伦·图灵（Alan Turing）发表了《计算机器与智能》（Computing Machinery and Intelligence），他在其中提出了一个测试。”该测试可用于测试机器展现人类智能般智能行为的能力，即图灵测试。
• 1951年：最初，一个名为SNARC的人工神经网络（ANN）由马文·明斯基（Marvin Minsky）和迪恩·爱德蒙兹（Dean Edmonds）创建。对于一个包含40个神经元的网络，他们使用了3000个真空管。

人工智能的诞生（1952-1956）

在1952年至1956年期间，AI作为一个有趣的研究领域蓬勃发展。正是在这段时间里，先驱者和思想家们汇聚在一起，为最终塑造一个无限的技术领域奠定了基础。这个时代的一些著名事件包括：

• 1952年：亚瑟·塞缪尔（Arthur Samuel）发明了世界上第一个用于玩游戏的自学习程序，即塞缪尔跳棋程序。
• 1955年：“根据第41期《IEEE记录》的记载，‘第一个人工智能程序’，‘逻辑理论家’（Logic Theorist）是由艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert A. Simon）创建的。”具体来说，该程序证明了52个数学定理中的38个，并为一些定理找到了新的、更优雅的证明。
• 1956年：首先，美国计算机科学家约翰·麦卡锡（John McCarthy）在美国达特茅斯会议（Dartmouth Conference）上首次提出了“人工智能”一词。随后，AI首次被正式确立为一个学术领域。

此时，发明了 FORTRAN、LISP 和 COBOL 等高级计算机语言。当时，人们对 AI 充满热情。

黄金时代 - 早期热情（1956-1974）

人工智能（AI）的黄金时代普遍被认为是1956年至1974年。这段时间对于AI研究人员和创新者来说是一个上升期；他们充满热情，并在该领域取得了巨大进步。以下是这个时代的一些著名事件：

• 1958年：此时，弗兰克·罗森布拉特（Frank Rosenblatt）提出了感知器（perceptron），这是最早能够从数据中学习的人工神经网络之一。现代神经网络就是建立在这个发明的基础上的。此外，约翰·麦卡锡（John McCarthy）还开发了 Lisp 编程语言，该语言迅速受到 AI 社区的青睐，并成为开发人员中一种非常流行的语言。
• 1959年：亚瑟·塞缪尔（Arthur Samuel）发表了一篇里程碑式的论文，他在论文中创造了“机器学习”（machine learning）一词，并提出计算机将超越其创造者。奥利弗·塞尔夫里奇（Oliver Selfridge）也通过他题为“Pandemonium: A Paradigm for Learning”的文章对机器学习做出了重要贡献。这项工作的结果体现在一个能够自我改进并更快地发现事件模式的模型中。
• 1964年：麻省理工学院（MIT）的博士生丹尼尔·鲍勃罗（Daniel Bobrow）创建了最早的自然语言处理（NLP）程序之一——STUDENT，其目的是解决代数应用题。
• 1965年： Dendral 由爱德华·费根鲍姆（Edward Feigenbaum）、布鲁斯·G·布坎南（Bruce G. Buchanan）、约书亚·莱德伯格（Joshua Lederberg）和卡尔·杰拉西（Carl Djerassi）设计，成为第一个专家系统。该系统在有机化学中的作用是帮助在线有机化学家识别不熟悉的有机化合物。
• 1966年：研究人员的目标是开发能够解决数学问题的算法。ELIZA 是由约瑟夫·魏岑鲍姆（Joseph Weizenbaum）于1966年创建的第一个聊天机器人。此外，斯坦福研究所（Stanford Research Institute）开发了第一个集成了 AI、计算机视觉、导航和NLP的移动智能机器人：Shakey。今天的自动驾驶汽车和无人机都可以视为其前身。
• 1968年：特里·维诺格拉德（Terry Winograd）开发了 SHRDLU，这是一种开创性的多模态 AI，能够理解积木世界，并遵循用户的指令来操纵和推理该世界。
• 1969年：何毓琦（Yu-Chi Ho）和阿瑟·布莱森（Arthur Bryson）开发了一种学习算法——反向传播（backpropagation），这导致了创建多层人工神经网络的能力。这是比感知器更重要的进展，也是深度学习的基础。马文·明斯基（Marvin Minsky）和西摩尔·帕珀特（Seymour Papert）还合著了《感知器》（Perceptrons），该书为基本神经网络和其局限性奠定了框架。这项出版物的成果有效地暂停了神经网络的研究，并再次使符号 AI 观点获得了信誉。
• 1972年：WABOT-1 是日本制造的第一个智能人形机器人。
• 1973年：詹姆斯·莱特希尔（James Lighthill）发表了报告《人工智能：一般性调查》（Artificial Intelligence: A General Survey）后，英国政府大幅削减了对 AI 研究的支持。

第一次 AI 寒冬（1974-1980）

人工智能（AI）经历了一个艰难时期，被称为第一次 AI 寒冬，发生在1974年至1980年。在此期间，研究资金大幅削减，并且出现了对 AI 的失望情绪。

• 第一次 AI 寒冬发生在1974年至1980年。AI 寒冬是计算机科学中的一个术语，意指政府对 AI 研究的资金严重短缺的时期。
• 正是在 AI 寒冬期间，公众对人工智能的兴趣下降了。

AI 的繁荣（1980-1987）

1980年后，AI 进入了一个黄金时期，它的复兴，它的鼎盛时期，在第一次 AI 寒冬之后，这是一个充满活力的时期。以下是一些值得注意的事件：

• 1980年，美国人工智能协会（American Association of Artificial Intelligence）在斯坦福大学召开了第一次全国会议。
• 1980年：AI 以“专家系统”（Expert System）的形式在“寒冬”后重新崛起。专家系统是通过编程来模仿人类专家的决策能力。与此同时，随着 Symbolics Lisp 机器进入商业领域，AI 也开始再次复苏。然而，在随后的几年里，Lisp 机器市场崩溃了。
• 1981年：丹尼·希利斯（Danny Hillis）设计了用于 AI 和其他计算需求的并行计算机，其架构与当前 GPU 类似。
• 1984年：“AI 寒冬”（AI winter）一词最早是由马文·明斯基（Marvin Minsky）和罗杰·尚克（Roger Schank）在一次人工智能促进协会（Association for the Advancement of Artificial Intelligence）的集会上提出的。他们警告商业界不要对 AI 抱有过高的期望，否则将导致幻灭和整个行业的崩溃，而这，不幸的是，正是三年后发生的事情。
• 1985年：朱迪亚·珀尔（Judea Pearl）发明了贝叶斯网络因果分析，他提出了计算机系统中不确定性的统计方法。

第二次 AI 寒冬（1987-1993）

• 第二次 AI 寒冬的持续时间为1987年至1993年。
• 结果的高成本和低效率再次导致投资者和政府停止对 AI 研究的资助。使用 XCON 这样的专家系统的成本非常高。

智能代理的出现（1993-2011）

从1993年到2011年，人工智能（AI）取得了长足的进步，特别是在智能计算机程序的开发方面。在此期间，AI 专业人士的重点已从模仿人类智能转移到为特定任务构建务实、创新的软件。这一时期值得注意的事件包括：

• 1997年：截至目前，1997年，IBM 的“深蓝”（Deep Blue）在国际象棋世界冠军加里·卡斯帕罗夫（Gary Kasparov）的比赛中取得了历史性的胜利，这是第一台计算机战胜在位世界国际象棋冠军。此外，赛普·霍克雷特（Sepp Hochreiter）和于尔根·施密德胡伯（Jürgen Schmidhuber）引入了长短期记忆（Long Short-Term Memory）循环神经网络，使得能够处理诸如语音或视频等完整的数据序列。
• 2002年：AI 的首次家庭应用出现在扫地机器人 Roomba 中。
• 2006年：直到2006年，Facebook、Twitter 和 Netflix 等公司也开始在其各自的业务中纳入 AI 的使用。
• 2009年：Rajat Raina、Anand Madhavan 和 Andrew Ng 发布了论文“Utilising Graphics Processors for Extensive Deep Unsupervised Learning”（利用图形处理器进行大规模深度无监督学习），介绍了使用 GPU 训练大型神经网络的想法。
• 2011年：第一个实现“超人”性能的 CNN 来自 Dan Claudiu Ciresan。Ueli Meier、Jürgen Schmidhuber 和 Jonathan Masci 在德国交通标志识别竞赛中获胜。此外，苹果公司发布了 Siri，这是一款语音激活的个人助手，可以处理指令并生成响应。

深度学习、大数据和通用人工智能（2011年至今）

从2011年至今，人工智能（AI）领域取得了重大进展。这些进展是深度学习、数据应用以及对通用人工智能（AGI）的不懈追求的结合。因此，这个时期的一些值得注意的事件如下：

• 2011年：2011年，IBM 的 Watson 在知识问答节目《危险边缘》（Jeopardy!）中击败了人类选手。换句话说，Watson 能够快速回答棘手的问题，并且它已经足够理解自然语言，足以证明其能力。
• 2012年：Google 推出了“Google Now”功能，其工作方式类似于 Android 应用预测信息。Geoffrey Hinton、Ilya Sutskever、Alex Krizhevsky 等人还推出了一种深度 CNN 结构，赢得了 ImageNet 挑战赛，他们的研究复兴了深度学习，并将其重新带回了前沿。
• 2013年：中国的超级计算机“天河二号”（Tianhe-2）的速度达到了每秒33.86千万亿次浮点运算（petaflops），是当时世界上最快超级计算机的两倍。它连续三年保持世界最快系统的地位。其次，DeepMind 发布了其他深度强化学习模型，这是一个通过多次试用和奖励来训练的 CNN，并在一些游戏中击败了人类。此外，由微软研究员 Tomas Mikolov 和他的团队推出的 Word2vec 工具也实现了这一点，并且是自动化的。
• 2014年：2014年，聊天机器人“Eugene Goostman”赢得了著名的“图灵测试”。Diederik Kingma 和 Max Welling 开发了变分自编码器（VAEs），可用于处理图像、视频或文本；而 Ian Goodfellow 和他的团队首次使用生成对抗网络（GANs）来生成图像、制作图像、鬼脸和深度伪造。此外，Facebook 的基于深度学习的人脸识别系统 DeepFace 实现了接近人类水平的人脸识别（在图像中）；他们能够以与人类非常相似的准确度识别数字图像中的人脸。
• 2016年：这让人回想起近20年前卡斯帕罗夫与深蓝比赛的时代，当时 AlphaGo 在韩国首尔击败了围棋世界冠军李世石。该公司还在匹兹堡的一个测试场地为一小部分用户试点自动驾驶汽车项目。
• 2018年：事实上，IBM 的“Project Debater”与两位大师就复杂话题进行了辩论，并且表现出色，非常出色。
• 名为 Duplex 的 Google AI 程序通过电话预订美发沙龙的预约，它欺骗了电话另一端的人，让她以为自己是在与真人通话。
• 2021年：然而，问题在于 Dall-E 是一个 OpenAI 的多模态 AI 系统，可以根据文本提示创建图像。
• 2022年：不过，上个月，OpenAI 以聊天格式推出了 GPT-3.5 LLM，作为 GPT-3.5 LLM 的一种替代形式。

如今，AI 已经取得了巨大的成就，但并非遥不可及。深度学习、大数据和数据科学的概念已经达到了一个高峰，我们可以说这些概念与一股浪潮齐头并进！如今，与 AI 合作开发出色设备的公司的行列包括 Google、Facebook、IBM 和 Amazon。因此，人工智能的未来是高智能，这是一个令人振奋的未来。

AI 发展里程碑

人工智能（AI）历史上一个有趣之处在于，它取得了丰富的成就，这些成就帮助这项技术发展成为我们目前正在从事的最具变革性的技术之一。

著名成就

AlphaGo

2016年，Google 的子公司 DeepMind 开发了 AlphaGo，并向围棋世界冠军李世石宣告击败了他，这是人工智能的一项重大成就。

• 鉴于围棋中的一个可能走法可以是任意一种，并且考虑到可能走法的数量庞大，围棋对于计算系统来说是一个难题。
• 例如，AlphaGo 必须结合深度学习和强化学习才能开始理解以前人类从未观察到的策略。
• AlphaGo 在完成所有这些方面的成功为其他领域（医疗保健、物流等）的技术发展打开了大门。

GPT 模型（生成式预训练Transformer）

通过 OpenAI 的 GPT 模型，机器能够理解和生成类似人类的文本，从而彻底改变了 NLP。

• GPT-2（2019年）、GPT-3（2020年）以及后续的迭代版本被用于设定语言生成任务的基准。
• 由于 GPT 模型可以在大型数据集上进行预训练，然后针对特定任务进行微调，因此它们可用于聊天机器人、内容创作以及协助编码过程等功能。
• AI 已应用于客户服务、教育和娱乐等行业，这也对 AI 生成内容的伦理提出了要求。

DALL-E

DALL-E 也是 OpenAI 开发的第二个图像合成生成式 AI。

• 不同功能：它通过图像生成和语言理解能力，能够根据文本描述生成高质量图像。
• DALL-E 在广告、平面设计和教育等领域都有广泛的应用，并展示了 AI 与艺术日益融合的趋势。
• 在更广泛的多模态 AI 系统框架下，DALL-E 具有更广泛的应用前景，它结合了各种数据以完成复杂的任务。

AI 进步的关键组织和会议

• DeepMind：他们在强化学习领域是先驱，并开发了 AlphaGo。
• OpenAI：专注于开发安全和通用的 AI 技术，如 GPT 和 DALL-E。
• 斯坦福 AI 实验室：该研究中心已成为一种革命性的 AI 研究中心，也为一些主要的 AI 基础技术做出了贡献。

著名会议

• NeurIPS（神经信息处理系统大会）：这是在高级机器学习和深度学习领域进行高科技和创新的最佳会议。
• AAAI（人工智能促进协会）：这是人们展示 AI 最新进展和最新领域、进行演讲和讨论 AI 伦理问题的空间。
• IJCAI（国际人工智能联合会议）：它促进了多个 AI 领域的合作，并与国际研究界合作。

AI 研究的国际合作

由于研究人员、组织和政府的全球合作，AI 的快速发展至关重要。

合作研究项目

• 人类大脑项目（欧盟）：该项目借鉴神经科学启发了认知和学习模型，旨在推动 AI 的前沿发展。
• AI 伙伴关系（全球）：这是一个由行业领导者和学术界组成的集体，旨在首先防止不道德和不负责任的 AI 的产生。
• AI for Good（联合国）：该项目旨在利用 AI 解决气候变化、贫困和医疗保健等问题。