智东西（公众号：zhidxcom）海中天简介：从神学家到科学家再到作家，无数人在向我们描述人工智能。
在一百年的历史进程中，人工智能的面貌逐渐清晰。
最近，《福布斯》发表了一篇文章，修改了人工智能的“简史”。
通过这篇文章，我们可以了解AI的过去、现在和未来。
年份：加泰罗尼亚诗人、神学家Ramon Llull发表了作品《Ars generalis ultima》（意为终极合成艺术），详细解释了他的理论：用机械方法结合一系列概念创造新知识。
年份：由数学家、哲学家戈特弗里德·莱布尼兹 (Gottfried Leibniz) 出版，他继承了雷蒙德·鲁尔 (Raymond Luhr) 的思想。
莱布尼茨认为，人类的一切创造力都来自于少数简单概念的组合。
年份：英国小说家乔纳森·斯威夫特出版《格列佛游记》。
在他的书中，他描述了一台名为“引擎”的机器，它被放置在拉普达岛上。
斯威夫特描述道：“利用实用且机械的操作方法来提高人们的思辨知识。
” “最无知的人，只要交适当的学费，发挥一点体力，就可以达到自己的目的，无需借助任何天才或学习能力。
写哲学、诗歌、政治、法律、数学、神学方面的书籍。
年份：托马斯·贝叶斯创建了一个关于事件概率的推理框架。
最终，贝叶斯推理方法成为机器学习的主要理论。
年份：乔治·布尔相信逻辑推理可以像求解方程一样系统地完成。
正如特斯拉所说，世界上第一艘无线电遥控船在麦迪逊广场花园船舶展上“借来了思想”。
年份：西班牙工程师莱昂纳多·托雷斯·奎维多展示了世界上第一台无需人工干预即可自动下棋的机器。
年份：捷克作家Karel ?apek在其作品《Rossum’s Universal Robots》中首次使用“机器人”一词，该词源自“robota”（作品）年份：无线电设备公司Houdina Radio Control展示了世界上第一辆无线控制的无人驾驶汽车。
可以在纽约街道上行驶。
年份：科幻电影《大都会》（大都会）上映。
影片中，一个名叫玛丽亚的乡村女孩是一个在2001年柏林引发骚乱的机器人。
这是机器人第一次出现在银幕上，后来《星球大战》中的“C-3PO”就是以此为灵感的。
年份：西村诚设计了《学天则》。
在日语中，这个名字的意思是“从自然法则中学习”。
这是日本制造的第一台机器人。
该机器人可以通过气压机构改变面部表情并移动头部和手部。
年份：Warren S. McCulloch 和 Walter Pitts 于 《数学生物物理学公告》 发表论文 《神经活动中内在思想的逻辑演算》（神经活动中内在思想的逻辑演算）。
这篇开创性的论文讨论了理想化、简化的人工神经元网络以及它们如何形成简单的逻辑函数，并启发了计算机“神经网络”（以及最终的深度学习）。
，所谓“模拟大脑”也由此而来。
2001 年，埃德蒙·伯克利 (Edmund Berkeley) 出版了《Giant Brains: Or Machines That Think》。
他在书中写道：“最近有很多关于奇怪的巨型机器的新闻，它们以极快的速度和非常强大的技能处理信息……这种机器类似于大脑，由硬件和电缆组成而不是血肉之躯……机器可以处理信息，它可以计算，它可以得出结论，它可以做出选择，它还可以根据信息进行合理的操作，总之，这个机器可以思考。
”年份：Donald Hebb 发表《Organization of Behavior: A Neuropsychological Theory》，提出了一个理论：基于猜测的学习，而这些猜测与神经网络高度相关，随着时间的推移，神经元突触会增强或减弱。
年份：Claude Shannon 发表《编程实现计算机下棋》（编程）。
a Computer for Playing Chess），最早开始专注于计算机国际象棋程序的开发年份：阿兰·图灵发表了一篇论文《Computing Machinery and Intelligence》，其中谈到了“模仿游戏”的概念，也称为“图灵测试”。
年份：Marvin Minsky 和 ??Dean Edmunds 开发了 SNARC，是“随机神经模拟强化计算器”的缩写。
SNARC是第一个人工神经网络，使用真空管模拟40个神经元的运作。
年份：Arthur Samuel 开发了第一个计算机跳棋程序，这也是世界上第一个可以自行学习的程序。
2019年8月31日：专家在提案中首次提出“AI（人工智能）”一词。
该提案建议由10名专家组成的小组应该花2个月的时间研究人工智能。
该提案由达特茅斯学院的约翰·麦卡锡、哈佛大学的马文·明斯基、IBM 的纳撒尼尔·罗切斯特和贝尔电话实验室提出。
由克劳德·香农共同提交。
当年7、8月，研讨会正式召开。
这次会议成为人工智能诞生的标志。
12 月：Herbert Simon 和 Allen Newell 开发了世界上第一个 AI 项目“逻辑理论家”，在 Russell 和 Whitehead 《数学原理》 第 2 章有 52 个定理，AI 可以证明其中 38 个。
年份：Frank Rosenblatt 开发了“感知器”，这是一种人工神经网络，它使用两层计算机学习来识别网络中的模式。
《纽约时报》该出版物称感知机是电子计算机的原型。
美国海军预测，未来它将能够自己行走、说话、看、写、自己生产、感知自己的存在。
《纽约客》 认为它是“令人惊奇的机器......可以思考”。
年份：John McCarthy 开发了编程语言 Lisp，该语言最终成为人工智能研究中最流行的编程语言。
年份：亚瑟·塞缪尔 (Arthur Samuel) 在撰写一篇有关程序的论文时创造了“机器学习”一词，该程序可以让计算机学习如何下棋，其水平可能超过程序员。
年份：Oliver Selfridge 发表论文《Pandemonium: A paradigm for learning》，其中他描述了一种处理模型，允许计算机无需预先编程即可识别新模式。
年份：John McCarthy 发表论文《Programs with Common Sense》。
在他的论文中，他谈到了Advice Taker，一个可以通过控制形式语言句子来解决问题的程序。
其最终目标是开发能够像人类一样不断从过去的经验中学习的程序。
年：第一台工业机器人Unimate在新泽西州通用汽车装配线上投入使用。
年份：James Slagle 开发了 SAINT（符号自动积分程序），这是一套启发式程序，可以有效解决大学一年级微积分中的符号积分问题。
年份：Daniel Bobrow 完成了他在麻省理工学院的博士论文 《Natural Language Input for a Computer Problem Solving System》。
Bobrow 还开发了 STUDENT，一种自然语言理解计算机程序。
年份：赫伯特·西蒙 (Herbert Simon) 预测，20 年内，机器将能够完成人类能做的一切。
年份：赫伯特·德雷福斯 (Herbert Dreyfus) 出版《Alchemy and AI》。
他认为智能不同于计算机。
有一些限制无法打破，直接导致AI无法进步。
2006 年，I.J.古德在《Speculations Concerning the First Ultraintelligent Machine》中写道：“第一台超级智能机器将是人类最后的发明，一台足够温顺的机器，可以告诉我们如何控制它。
”年份：约瑟夫·维森鲍姆（Joseph Weizenbaum）开发了 ELIZA，这是一个交互式程序，可以就任何主题进行英语对话。
维森班对那些想给计算机程序注入人类感情的人感到震惊，他开发该程序只是为了证明机器与人之间的交流年份：Edward Feigenbaum、Bruce G. Buchanan、Joshua Lederberg 和 Carl Djerassi 在斯坦福大学研究了 DENDRAL，这是第一个可以自动做出决策并解决有机化学问题的专家系统，其目的是研究假设信息。
年份：机器人Shakey诞生，它是第一个为通用目的而开发的、能够根据逻辑形成自己的动作的机器人，2006年，《生活》杂志称其为“第一个机器人”。
文章还援引计算机科学家马文·明斯基的话说：“3到8年内，机器的智能可以达到普通人的平均水平。
”年份：电影《太空漫游》上映，电影中的角色哈尔是一台有感知能力的计算机。
年份：Terry Winograd 开发了 SHRDLU，这是一种用于理解早期语言的计算机程序。
年份：Arthur Bryson 和 Yu-Chi Ho 在他们的论文中描述了反向传播可以用作多阶段动态系统优化方法。
这是一种可以应用于多层人工神经网络的学习算法。
2000年深度学习的巨大成功与它的启发是分不开的。
在接下来的日子里，计算机性能突飞猛进，能够适应庞大网络的训练。
年份：Marvin Minsky 和 ??Seymour Papert 联合发表了作品《Perceptrons: An Introduction to Computational Geometry》。
该书于2011年进行了扩充并重印。
两位作者在书中表示，2007年得出的结论大大减少了神经网络研究所需的资金。
作者说：“我们认为，由于缺乏基础理论，研究基本陷入停滞……到了 20 世纪 60 年代，人们对??认知机器计算进行了大量实验，但没有人能够解释为什么系统能够识别特定的内容。
” “年份：第一个人形机器人诞生。
它就是日本早稻田大学开发的WABOT-1。
它包括身体控制系统、视觉系统和对话系统。
年份：MYCIN是一个早期的专家系统，可以识别引起严重传染病的细菌，还可以推荐抗生素。
该系统是由斯坦福大学开发的。
年份：詹姆斯·莱特希尔 (James Lighthill) 向英国科学研究委员会提交了一份关于人工智能研究现状的报告，结论是：“迄今为止，人工智能所有领域的发现并未带来预期的重大变化。
最终政府对人工智能研究的热情消退。
年份：计算机科学家 Raj Reddy 发表了论文《Speech Recognition by Machine: A Review》，总结了自然语言处理的早期工作。
年份：卡内基梅隆大学开发了 XCON 程序，这是一个基于规则的专家系统，可以协助 DEC VAX 计算机根据客户要求自动选择组件 年份：斯坦福车在没有人工干预的情况下自动走过一个满是椅子的房间 年份：早稻田大学。
日本开发了Wabot-2机器人，这是一种人形音乐机器人，可以与人交流、阅读乐谱、弹奏普通难度的电子键盘。
年份：日本通产省投资8.5亿美元“第五代”。
计算机”项目。
该项目只是开发能够像人类一样说话、翻译语言、解释图片和推理的计算机。
年份：《电脑梦幻曲》（电梦）电影上映。
它讲述了一个男人、一个女人和一台电脑之间的三角恋的故事。
今年：在年度 AAAI 大会上，Roger Schank 和 Marvin Minsky 警告称，“AI 冬天”已经到来，AI 泡沫很快就会破裂。
正如 20 世纪 70 年代那样，研究经费也有所下降。
年份：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，这是一辆配备摄像头和传感器且座椅上无人的梅赛德斯货车。
最高时速 55 英里。
年份：苹果公司时任首席执行官约翰·斯卡利（John Sculley）在Educom发表主题演讲，谈到“知识导航器”的概念。
他描述了一个诱人的未来：“我们可以使用智能代理来连接知识应用程序，代理依赖于互联网，并且可以与大量数字信息进行通信。
”年份：朱迪亚·珍珠（Judea Pearl）出版《Probabilistic Reasoning in Intelligent Systems》，其中 Pearl获得图灵奖。
奖项介绍中称：“朱迪亚·珀尔发现了不确定性下处理信息的具体特征，为计算奠定了基础。
他被认为是贝叶斯网络的发明者，贝叶斯网络是一组可以确定复杂概率模型的数据形式主义。
它也可以成为贝叶斯网络的发明者。
”推断这些模型的主导算法。
“年份：Rollo Carpenter 开发了聊天机器人 Jabberwacky，它可以以有趣、有趣和幽默的方式模拟人类对话。
卡彭特做出了利用人类交互方法开发人工智能的独特尝试。
年份：IBM Watson 研究中心发布了《A statistical approach to language translation》，这标志着转变的开始。
过去我们使用的是基于规则的机器翻译概率方法，现在开始转向“机器学习”。
机器学习基于已知案例的数据。
分析是基础，而不是对手头任务的理解。
IBM 的项目名为 Candide，可以成功地进行英语和法语之间的翻译。
该系统基于数千对句子。
2011 年：Marvin Minsky 和 ??Seymour Papert 出版了《Perceptrons》一书，该书于 2001 年首次出版，并于 2011 年重印并进行了扩展。
两人解释了转载的原因：“为什么人工智能领域的研究一直没有突破？因为研究人员不熟悉历史，总是犯前人犯过的错误。
”年份：Yann LeCun 和 AT&T Bell 实验室的其他研究人员共同努力，成功地将反向传播算法应用于多层神经网络，该网络可以识别手写的邮政编码。
由于当时硬件的限制，训练神经网络花了3天时间。
年份：Rodney Brooks 发表了《lephants Don&#;t Play Chess》，其中提出了一种新的人工智能方法：利用环境交互来重新创建智能系统和特殊机器人。
布鲁克斯说：“世界是我们最好的模型……关键是正确感知它并保持足够高的频率。
年份：Vernor Vinge 发表《The Coming Technological Singularity》，预测 30 年内我们将能够利用技术创造超级智能生物，简而言之，人类的终结。
年份：Richard Richard Wallace 受 ELIZA 启发，开发了聊天机器人 A.L.I.C.E（人工语言互联网计算机实体的缩写）。
自从互联网出现以来，网络为华莱士提供了海量的自然语言数据样本。
Sepp Hochreiter 和 Jürgen Schmidhuber 提出了 LSTM（长短期记忆）的概念，利用它开发了当今的循环神经网络，可以识别手写和语音识别。
2017年：IBM开发的深蓝击败了人类国际象棋冠军。
2016 年：Dave Hampton 和 Caleb Chung 开发了 Furby。
第一个家用机器人，或宠物机器人。
年份：Yann LeCun 共同发表了一篇论文，谈到了使用神经网络识别手写体的问题，也谈到了优化反向传播的问题。
麻省理工学院的研究员 Cynthia Breazeal 开发了 Kismet，这是一种可以识别和模拟表情的机器人。
2019年：本田推出ASIMO，这是一款人工智能拟人机器人，可以像人类一样快速行走。
，可以在餐馆给客人提供盘子。
年份：斯皮尔伯格的电影《人工智能》上映。
影片中的机器人与人类的孩子非常相似。
他的节目很独特，很有爱的能力。
年：第一年。
DARPA 自动驾驶汽车挑战赛在莫哈韦沙漠举行，但遗憾的是没有自动驾驶汽车完成这一年的英里挑战：Geoffrey Hinton 发表了《Learning Multiple Layers of Representation》，他首先提出了“机器阅读”。
“这个术语，所谓机器阅读，是指系统可以在没有人类监督的情况下自动学习文本。
年份：杰弗里·辛顿（Geoffrey Hinton）发表《Learning Multiple Layers of Representation》，根据他的想法，我们可以开发多层神经网络，包括自上而下的连接点，可以生成感知数据来训练系统，而不是使用分类方法来引导我们进行深度学习。
今年：李飞飞和普林斯顿大学的同事一起开始研究 ImageNet。
一个大型注释图像数据库，旨在帮助视觉对象识别软件的研究。
年份：Rajat Raina、Anand Madhavan 和 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远超过多核 CPU，GPU 有能力提供深度无监督学习方法”带来改变。
” 2019年：谷歌开始秘密开发自动驾驶汽车。
2016年，谷歌在内华达州通过了自动驾驶测试。
2016年，西北大学智能信息实验室的研究人员开发了Stats Monkey程序，该程序可以自动撰写体育新闻，无需人工干预。
年份：ImageNet大规模视觉识别挑战赛（ILSVCR）举行。
年份：在德国交通标志识别竞赛中，卷积神经网络成为获胜者，识别率高达 99.46%，而人类的识别率约为 99.22%。
年份：IBM 开发的自然语言问答计算机 Watson 在“危险边缘”中击败了两位前冠军年份：瑞士Dalle Molle人工智能研究所发布报告称，利用卷积神经网络识别手写体的错误率仅为0.27%。
往年，错误率为0.35-0.40%，这是一个巨大的进步。
2016 年 6 月：Jeff Dean 和 Andrew Ng 发表了一份报告，描述了他们完成的一项实验。
他们向一个大型神经网络展示了从 YouTube 视频中随机抽取的 10,000 张未标记图像，发现其中一个人工神经元对猫的图像特别敏感。
2020年10月：多伦多大学设计的卷积神经网络参加了ImageNet大规模视觉识别挑战赛（ILSVCR）。
其错误率仅为16%，比前几年25%的错误率有了显着改善。
2020年3月：谷歌DeepMind开发的AlphaGo击败围棋冠军李世石。