人工智能发展迄今为止的重要里程碑

人工智能已经不再只是科幻电影中的想象了,在漫长的时光中,它从出现萌芽发展到现在,有过如火如荼也有过寒潮小编梳理了人工智能萌芽出现以来,发展道路上重要的里程碑们。

 1637年科学家、哲学家勒内•笛卡尔提出机器将会思考和做出决定的可能性。虽然他错误地认为这些机器永远不会像人类那样说话,但他确定了机器之间的一种划分,有一天机器可能学会执行一项特定的任务,并且可能会适应任何工作。如今,这两个领域被称为专业人工智能和通用人工智能。因此在许多方面,可以说,笛卡尔的想法为创造人工智能奠定了思想基础。

 1943,神经学家 Warren McCulloch 和数学家 Walter Pitts 合著了《神经活动中固有的思维逻辑运算》(A Logical Calculus of the Ideas Immanent in Nervous Activity),书中提出将数学和算法的结合,建立了神经网络和数学模型,模仿人类的思维活动。人工神经网络的大门由此开启。它对计算机科学的重要性就像甚或超过 PageRank 英文排名。

 1956举行的达特茅斯会议被后世广泛承认为人工智能诞生的标志。

1956年夏季,以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会,共同研究和探讨用机器模拟智能的一系列有关问题,并首次提出了“人工智能”这一术语,它标志着“人工智能”这门新兴学科的正式诞生。

会议上提出的断言之一是“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述,使得机器可以对其进行模拟。”这次会议上人工智能的名称和任务得以确定,同时出现了最初的成就和最早的一批研究者随着神经网络和机器学习等理念的出现。

 1966年,诞生了第一个聊天机器人ELIZAELIZA是由Joseph Weizenbaum在麻省理工学院开发的,它也是Alexa和Siri等聊天机器人的直系祖先。ELIZA代表了自然语言处理的早期实现,其目的是教会计算机采用人类语言与人们交流,而不是要求人们采用计算机代码对它们进行编程,或通过用户界面进行交互。ELIZA不能像Alexa那样说话,而通过文本进行交流,而且它无法从与人类的对话中学习。尽管如此,它为以后突破人类与机器之间的沟通障碍的努力铺平了道路。

 1969“Backprop”(反向传播算法)Marvin Minsky 和 Seymour Papert 在《感知机》(Perceptrons)中提出,成为机器学习史上重要的算法之一,并在上世纪80年代成为主流。

反向传播要求有对每个输入值想得到的已知输出,来计算损失函数梯度。因此,它通常被认为是一种监督式学习方法,虽然它也用在一些无监督网络(如自动编码器)中。 它是多层前馈网络的 Delta 规则的推广,可以用链式法则对每层迭代计算梯度。反向传播要求人工神经元(或“节点”)的激励函数可微。这种算法的独特之处在于映射、非线性化,具有很强的函数复现能力,可以更好地训练人工智能。

 1980年Digital Equipment Corporation部署Xcon专家学习系统。到1986年,该公司每年可节省4000万美元。这一点很重要,因为做到这些之前,人工智能系统通常被认为是令人印象深刻的技术壮举,其实际使用范围有限。现在很明显,智能机器商业化应用已经开始了,到1985年,企业每年在人工智能系统上花费10亿美元。

 1982 Vernor Steffen Vinge 在卡内基梅隆大学召开的美国人工智能协会年会上首次提出“技术奇异点”这一概念。1993 年,他在美国国家航空航天局路易斯研究中心举行的一次讨论会上发表了论文《技术奇异点即将来临:后人类时代生存指南》(The Coming Technological Singularity)再次简述了这个观点,论文同年刊载于《全地球评论》(Whole Earth Review)杂志上。

在这篇论文中,Vernor Steffen Vinge 系统地阐述了自己的“技术奇异点”的理论,声称未来某一天机器将变得比人类更聪明,甚至会取代人类,主宰人类世界并且预测超越人类智能的计算器将在 50 年之内问世他写到:“不久之后,人类时代就会结束。”正是这篇文章,使“奇点”的观点流行开来。

 1986,德国联邦国防军大学开发出一辆配备摄像头、智能传感器的自动驾驶汽车,虽然笨重但已经可以在街道上行驶。

1989 年,美国卡内基梅隆大学的研究人员 Dean Pomerleau 花费了 8 年的时间,研发出了一套名叫 ALVINN (Autonomous Land Vehicle In a Neural Network) 的无人驾驶系统,并用在了 NAVLAB 货车上,从宾夕法尼亚州匹兹堡到加州圣地亚哥行驶了 2797 英里,成功实现了自动驾驶,成为自动驾驶的祖师爷。

虽然它的技术在今天来看非常原始,但是它证明了自动驾驶是可以实现的。而如今,几乎所有科技和汽车厂商均将自动驾驶技术视作汽车工业的下一次革命,不论是谷歌、苹果还是福特。

 1988年IBM公司研究人员发布了一种语言翻译统计方法,将概率原理引入到机器学习的规则驱动领域。它解决了人类语言(法语和英语)之间自动翻译的挑战。

这标志着重点转向设计程序,以根据他们接受培训的信息(数据)确定各种结果的概率,而不是训练它们来确定规则。在模仿人类大脑的认知过程方面,这通常被认为是一个巨大的飞跃,并构成了当今使用的机器学习的基础。

 1991年,欧洲原子核研究会(CERN)研究员蒂姆•伯纳斯•李(Tim Berners-Lee)将全球第一个网站放在全球互联网上,并公布了超文本传输协议(HTTP)的工作原理。几十年来,计算机一直在连接以共享数据,主要是在教育机构和大型企业进行。但是,全球互联网的到来是整个社会将人们带入网络世界的催化剂。在短短的几年内,来自世界各地的人们以前所未有的速度连接、生成和共享数据,而这是人工智能的燃料。

 1997年人工智能标志性年份,IBM的“深蓝”超级计算机在一场人机大战中战胜国际象棋冠军Garry Kasparov。尽管毫无疑问,深蓝的处理信息比人类更快,但真正的问题是,它证明了人工智能是可以更有策略地思考的

这一结果可能并没有证明人工智能有能力在有明确规则的问题上表现得异常出色,它仍然是人工智能领域的巨大飞跃。

 2005年是美国国防高级研究计划局(DARPA)举办大型挑战赛的第二年,这是一场在莫哈韦沙漠中超过100公里越野地形的自动驾驶车辆比赛。2004年,所有参赛者都没有成功完成这项挑战。然而,2005年有五辆自动驾驶车辆获得成功,斯坦福大学开发团队的自动驾驶车辆以其最快到达而获得殊荣。

比赛的目的是促进自主驾驶技术的发展,当然也做到了这一点。到2007年,比赛为自动驾驶车辆建造了一个模拟的城市环境,这意味着他们必须能够处理交通规则和其他移动车辆。

 2011年 IBM认知计算引擎Watson与电视游戏节目Jeopardy!的冠军进行竞赛,并击败他们,获得100万美元的奖金。虽然深蓝计算机已经在十多年前证明了一种可以用数学方式描述围棋游戏,就像国际象棋可以通过蛮力计算来征服,计算机在这种创造性思维游戏基于语言的环境下击败人类是闻所未闻的。人工智能的再次胜利,又一次向世界证明了人工智能比人脑更快。

 2012年斯坦福大学和谷歌公司的研究人员发表了名为使用大规模无监督学习构建高级特征的论文,他们的研究探索了无监督学习,这种学习可以在数据被用于训练机器学习算法之前,消除手工标记数据的昂贵而耗时的任务。

该论文描述模型可以构建包含大约10亿个连接的人工网络。虽然这是向构建“人工大脑”迈出的重要一步,但仍有一些路要走——人类大脑中的神经元被认为是由大约10万亿个连接器组成的网络连接起来的。

将加快人工智能开发的步伐,并开辟一个新的可能性世界。具体来说,他们特别指出其系统在识别猫的照片方面已颇具能力。

 2015年一年一度ImageNet挑战的研究人员宣称机器目前在识图方面的表现优于人类。在这个挑战中,算法竞相展示它们对识别和描述1000张图像库的熟练程度。

自从2010年比赛开始以来,获胜算法的准确率从71.8%提高到97.3%,研究人员为此宣称,计算机可以比人类更准确地识别视觉数据中的物体。

 2016年Deep Mind(现为谷歌公司的子公司)创建的AlphaGo在五场比赛中击败了世界围棋冠军Lee Sedol。

虽然围棋的步骤可以用数学来描述,但围棋中下棋的各种变化的数量(围棋中可能有10万个以上的开局动作,而国际象棋中可能有400个开局动作)使得蛮力计算方法变得不切实际。AlphaGo使用神经网络研究游戏并在游戏中学习。

 2018年是人工智能发展一个重要的里程碑,谷歌公司分拆出的Waymo公司在亚利桑那州凤凰城提供自驾车出租服务。第一个商业自动驾驶汽车租赁服务Waymo One目前正为400名支付费用的用户提供服务,这些自动驾驶汽车将在100平方英里范围内的学校和工作场所中行驶。


支持
我来说两句 0  条评论

返回顶部