人工智能的現(xiàn)代概念已經(jīng)伴隨我們走過(guò)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(huì)的集體心理。

人工智能是指計(jì)算機(jī)和系統(tǒng)執(zhí)行通常需要人類認(rèn)知才能完成任務(wù)的能力。人工智能與人的關(guān)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(cè)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(lái)源和更好的運(yùn)營(yíng)管理，如今已是無(wú)處不在。

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

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

1950年

艾倫·圖靈發(fā)表了《計(jì)算機(jī)器與智能》，圖靈測(cè)試打開(kāi)了通向人工智能的大門。

1951年

Marvin Minsky 和 Dean Edmonds 使用3000個(gè)真空管來(lái)模擬由40個(gè)神經(jīng)元組成的網(wǎng)絡(luò)，開(kāi)發(fā)了第一個(gè)名為SNARC的人工神經(jīng)網(wǎng)絡(luò)（ANN）。

1952年

Arthur Samuel開(kāi)發(fā)了Samuel Checkers-Playing Program，這是世界上第一個(gè)自學(xué)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(xiàng)研討會(huì)提案中創(chuàng)造了“人工智能”一詞，該研討會(huì)被廣泛認(rèn)為是人工智能領(lǐng)域的創(chuàng)始活動(dòng)。

1958年

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

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

1959年

亞瑟·塞繆爾在一篇開(kāi)創(chuàng)性論文中創(chuàng)造了“機(jī)器學(xué)習(xí)”一詞，解釋說(shuō)明計(jì)算機(jī)可以通過(guò)編程來(lái)超越程序員。

Oliver Selfridge發(fā)表了《Pandemonium：學(xué)習(xí)范式》，這是對(duì)機(jī)器學(xué)習(xí)的里程碑式貢獻(xiàn)，它描述了一種可以自適應(yīng)改進(jìn)自身以發(fā)現(xiàn)事件模式的模型。

1964年

Daniel Bobro在麻省理工學(xué)院攻讀博士期間開(kāi)發(fā)了STUDENT，這是一個(gè)早期的自然語(yǔ)言處理NLP程序，旨在解決代數(shù)相關(guān)問(wèn)題。

1965年

Edward Feigenbaum、Bruce G. Buchanan、Joshua Lederberg和Carl Djerassi開(kāi)發(fā)了第一個(gè)專家系統(tǒng)Dendral，該系統(tǒng)幫助有機(jī)化學(xué)家識(shí)別未知的有機(jī)分子。

1966年

Joseph Weizenbaum創(chuàng)建了Eliza，這是有史以來(lái)最著名的計(jì)算機(jī)程序之一，它能夠與人類進(jìn)行對(duì)話，并使人相信該軟件具有人類情感。

斯坦福研究院開(kāi)發(fā)了首款結(jié)合人工智能、計(jì)算機(jī)視覺(jué)、導(dǎo)航和自然語(yǔ)言處理的移動(dòng)智能機(jī)器人Shakey。它是自動(dòng)駕駛汽車和無(wú)人機(jī)的鼻祖。

1968年

Terry Winograd創(chuàng)建了SHRDLU，這是第一個(gè)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(gè)由塊組成的世界。

1969年

Arthur Bryson和Yu-Chi Ho描述了一種可實(shí)現(xiàn)多層人工神經(jīng)網(wǎng)絡(luò)的反向傳播學(xué)習(xí)算法，它是感知器的技術(shù)的延伸，也是深度學(xué)習(xí)的基礎(chǔ)。

Marvin Minsky和Seymour Papert出版了《感知器》一書，描述了簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的局限性，這導(dǎo)致了神經(jīng)網(wǎng)絡(luò)研究的衰落，符號(hào)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(diào)查》報(bào)告導(dǎo)致英國(guó)大幅減少對(duì)人工智能研究的支持。

1980年

符號(hào)Lisp機(jī)器商業(yè)化，標(biāo)志著人工智能研究復(fù)興。但幾年后，Lisp機(jī)器市場(chǎng)崩潰了。

1981年

Danny Hillis為人工智能和其他計(jì)算任務(wù)設(shè)計(jì)了并行計(jì)算機(jī)，其架構(gòu)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(jìn)協(xié)會(huì)的一次會(huì)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(dǎo)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(luò)因果分析，它提供了表示計(jì)算機(jī)中不確定性的統(tǒng)計(jì)技術(shù)。

1988年

彼得·布朗等人發(fā)表了“語(yǔ)言翻譯的統(tǒng)計(jì)方法”，為機(jī)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(luò)（CNN） 來(lái)識(shí)別手寫字符，表明神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于現(xiàn)實(shí)世界的問(wèn)題。

1997年

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

IBM的“深藍(lán)”在一場(chǎng)歷史性的國(guó)際象棋復(fù)賽中擊敗了加里·卡斯帕羅夫，這是國(guó)際象棋衛(wèi)冕世界冠軍在錦標(biāo)賽上首次被計(jì)算機(jī)打敗。

2000年

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

2006年

李飛飛開(kāi)始研究（后來(lái)于2009年推出）ImageNet視覺(jué)數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)成為了人工智能熱潮的催化劑，也是圖像識(shí)別算法年度競(jìng)賽的基礎(chǔ)。

2009年

Rajat Raina、Anand Madhavan和Andrew Ng發(fā)表了《使用圖形處理器進(jìn)行大規(guī)模深度無(wú)監(jiān)督學(xué)習(xí)》，提出了使用GPU訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)的想法。

2011年

Jürgen Schmidhuber、Dan Claudiu Cire?an、Ueli Meier和Jonathan Masci開(kāi)發(fā)了第一個(gè)CNN，并贏得了德國(guó)交通標(biāo)志識(shí)別競(jìng)賽，從而實(shí)現(xiàn)了“超人”的性能。

同年，蘋果發(fā)布了Siri語(yǔ)音助理。

2012年

Geoffrey Hinton、Ilya Sutskever和Alex Krizhevsky介紹了一種深度CNN架構(gòu)，該架構(gòu)贏得了ImageNet 挑戰(zhàn)并引發(fā)了深度學(xué)習(xí)研究和實(shí)現(xiàn)的爆炸式增長(zhǎng)。

2013年

天河二號(hào)以33.86petaflops的速度將世界頂級(jí)超級(jí)計(jì)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(hào)。

DeepMind引入深度強(qiáng)化學(xué)習(xí)，這是一種基于獎(jiǎng)勵(lì)和重復(fù)學(xué)習(xí)的CNN，抵達(dá)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(dòng)識(shí)別單詞之間的語(yǔ)義關(guān)系。

2014年

Ian Goodfellow及其同事創(chuàng)造了生成對(duì)抗網(wǎng)絡(luò)，這是一類用于生成照片、轉(zhuǎn)換圖像和深度模擬的機(jī)器學(xué)習(xí)框架。

Diederik Kingma和Max Welling引入了變分自動(dòng)編碼器來(lái)生成圖像、視頻和文本。

Facebook開(kāi)發(fā)了深度學(xué)習(xí)面部識(shí)別系統(tǒng)DeepFace，能夠以接近人類的準(zhǔn)確度識(shí)別數(shù)字圖像中的人臉。

2016年

DeepMind的AlphaGo在韓國(guó)首爾擊敗了圍棋頂尖選手李世石。

優(yōu)步在匹茲堡針對(duì)特定用戶群體啟動(dòng)了自動(dòng)駕駛汽車試點(diǎn)計(jì)劃。

2017年

斯坦福大學(xué)研究人員在論文《使用非平衡熱力學(xué)的深度無(wú)監(jiān)督學(xué)習(xí)》中發(fā)表了有關(guān)擴(kuò)散模型的研究成果。該技術(shù)提供了一種向圖像添加噪聲的過(guò)程進(jìn)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(duì)能夠自動(dòng)將未標(biāo)記文本解析為大型語(yǔ)言模型 （LLM） 的工具的研究。

英國(guó)物理學(xué)家史蒂芬·霍金警告說(shuō)：“除非我們學(xué)會(huì)如何為潛在風(fēng)險(xiǎn)做好準(zhǔn)備，否則人工智能可能成為人類文明史上最糟糕的事件?！?/p>

2018年

Cimon由IBM、空客公司和德國(guó)航空航天中心DLR開(kāi)發(fā)，這是一個(gè)被送入太空協(xié)助宇航員的機(jī)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L(zhǎng)ovot的家用迷你機(jī)器人，它可以感知并響應(yīng)人類的情緒變化。

2019年

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

谷歌人工智能和朗格醫(yī)學(xué)中心的深度學(xué)習(xí)算法表明在檢測(cè)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(gè)參數(shù)組成的GPT-3 LLM，用于生成式AI文本。

英偉達(dá)宣布推出Omniverse平臺(tái)測(cè)試版，用于在增強(qiáng)現(xiàn)實(shí)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(gòu)并聲稱其具有感知能力。

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

英特爾聲稱其FakeCatcher實(shí)時(shí)Deepfake檢測(cè)器的準(zhǔn)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(xùn)練“比GPT-4更強(qiáng)大的人工智能系統(tǒng)”六個(gè)月。

2023年之后

AI的歷史仍在繼續(xù)……