人工智能（AI）是当前技术领域的热门话题，也是近年来大多数技术突破背后的驱动力。

事实上，在我们今天听到的所有令人窒息的炒作中，人们很容易忘记AI并不是那么新的东西。在整个上个世纪，它已经走出了科幻小说的领域，进入了现实世界。使其成为可能的理论和基础计算机科学已存在数十年。

由于计算的在20月初曙光个世纪，科学家和工程师都明白，最终的目的是建立能够思维和方式学习机，人脑-最复杂的决策系统在已知的宇宙-确实。

 

今天使用人工神经网络的尖端深度学习是当前最先进的技术，但沿途有很多里程碑，这使得它成为可能。这是我通常被认为是最重要的那些的概述。

1637年 - 笛卡尔打破了这种差异

早在机器人甚至成为科幻小说的一个特征之前，科学家和哲学家勒内·笛卡尔就一直在思考机器有一天会思考和做出决定的可能性。虽然他错误地认为他们永远无法像人类那样说话，但他确实确定了可能有一天会学习执行某项特定任务的机器与可能适应任何工作的机器之间的划分。今天，这两个领域被称为专业和一般人工智能。在许多方面，他为创造人工智能的挑战奠定了基础。

1956年 - 达特茅斯会议

随着神经网络和机器学习等思想的出现，达特茅斯学院教授约翰麦卡锡创造了“人工智能”一词，并组织了一个密集的夏秀研讨，汇集了该领域的顶尖专家。

在头脑风暴会议期间，人们试图建立一个框架，以便开始学习探索和开发“思考”机器。许多领域是当今尖端AI的基础，包括自然语言处理，计算机视觉和神经网络，是议程的一部分。

1966年 - ELIZA为计算机提供了一个声音

ELIZA由Joseph Weizenbaum在麻省理工学院开发，可能是世界上第一个聊天机器人 - 也是Alexa和Siri等人的直接祖先。ELIZA代表了自然语言处理的早期实现，旨在教授计算机以人类语言与我们交流，而不是要求我们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 - 她通过文本进行交流 - 她无法从与人类的对话中学习。尽管如此，她为以后打破人与机器之间沟通障碍的努力铺平了道路。

1980年 - XCON和有用AI的兴起

数字设备公司的XCON专家学习系统 于1980年部署，到1986年，该公司每年可节省4000万美元。这很重要，因为在此之前，人工智能系统通常被认为是令人印象深刻的技术专长，实际使用范围有限。现在很明显，智能机器投入商业已经开始 - 到1985年，企业每年在人工智能系统上花费10亿美元。

1988年 - 一种统计方法

IBM研究人员发布了一种语言翻译统计方法，将概率原理引入到当时规则驱动的机器学习领域。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，并形成了今天使用的机器学习的基础。

1991年 - 互联网的诞生

这一点的重要性不容小觑。1991年，CERN研究员蒂姆·伯纳斯 - 李（Tim Berners-Lee）将世界上第一个网站放在网上，并发布了超文本传输​​协议（HTTP）的工作原理。几十年来，计算机一直在连接数据，主要是在教育机构和大型企业。但是，全球网络的到来是整个社会的催化剂，可以将自己融入网络世界。在短短的几年内，来自世界各地的数百万人将以先前难以想象的速度连接，生成和共享数据 - 人工智能的燃料。

1997年 - 深蓝击败了世界象棋冠军加里卡斯帕罗夫

IBM的国际象棋超级计算机没有使用按今天的标准被认为是真正的AI的技术。基本上它依赖于“强力”方法来高速计算每个可能的选项，而不是分析游戏玩法和学习游戏。然而，从宣传的角度来看，这一点非常重要 - 提请注意这样一个事实，即计算机的发展非常迅速，并且越来越能胜任人类以前统治过的未受挑战的活动。

2005年 - DARPA大挑战赛

2005年是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，没有一个参赛者设法完成课程。然而，第二年，五辆车开始行驶，斯坦福大学的团队以最快的速度获奖。

这场比赛旨在刺激自动驾驶技术的发展，当然也是如此。到2007年，为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 Watson的危险！胜利

认知计算引擎Watson面对电视游戏节目Jeopardy！的冠军玩家，击败他们并获得100万美元的奖金。这是非常重要的，因为虽然深蓝已经在十多年前证明了一种可以用数学方式描述移动的游戏，就像国际象棋可以通过蛮力来征服，计算机的概念在基于语言的基础上击败人类，创造性思维游戏是闻所未闻。

2012年 - 深度学习的真正力量向全世界揭幕 - 计算机学会识别猫

斯坦福大学和谷歌的研究人员，包括Jeff Dean和Andrew Ng，发表了他们的论文，建立了使用大规模无监督学习的高级特征，这是基于以前对多层神经网络（称为深度神经网络）的研究。

他们的研究探索了无监督学习，它消除了在用于训练机器学习算法之前手动标记数据的昂贵且耗时的任务。它将加快人工智能开发的步伐，并开辟一个新的可能性世界，当涉及到建立机器来完成工作，直到那时只能由人类完成。

具体来说，他们特别指出他们的系统已经变得非常有能力识别猫的照片。

该论文描述了一种模型，该模型可以构建包含大约10亿个连接的人工网络。它还承认，虽然这是建立“人工大脑”的重要一步，但还有一段路要走 - 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加入。

2015年 - 机器“看到”比人类更好

研究年度ImageNet挑战的研究人员 - 算法竞争表明他们熟练识别和描述1000张图像库 - 宣称机器现在表现优于人类。

自2010年比赛启动以来，获胜算法的准确率从71.8％提高到97.3％ - 促使研究人员宣称计算机能够比人类更准确地识别视觉数据中的物体。

2016年 - AlphaGo进入以前没有机器的地方

游戏玩法长期以来一直是展示思维机器能力的一种选择方法，2016年由Deep Mind（现为Google子公司）创建的AlphaGo在五场比赛中击败了世界围棋冠军Lee Sedol，这一趋势继续成为头条新闻。虽然可以用数学方式描述Go移动，但是可以玩的游戏变化的数量 - 在Go中有超过100,000个可能的开放移动，而在Chess中有400个开放移动，这使得暴力攻击方法变得不切实际。AlphaGo使用神经网络来研究游戏并学习游戏。

2018年 - 自动驾驶汽车上路

自动驾驶汽车的发展是当今VR的一个标题用例 - 这个应用程序比其他任何一个都更能吸引公众的想象力。就像那些为他们提供动力的人工智能而言，他们不是一夜之间出现的东西，尽管对于那些没有关注技术趋势的人来说，它可能会出现。通用汽车预测无人驾驶汽车最终将在1939年的世界博览会上亮相。斯坦福购物车 - 最初用于探索月球车辆如何运作，然后改装为自动公路车辆 - 于1961年首次亮相。

但毫无疑问，2018年标志着一个重要的里程碑，谷歌分拆Waymo 在亚利桑那州凤凰城的自驾车出租服务。Waymo One是第一个商业自动驾驶汽车租赁服务，目前由400名公众使用，他们付钱开车到100平方英里范围内的学校和工作场所。

 

虽然人类操作员目前乘坐每辆车，监控他们的表现并在紧急情况下采取控制措施，但这无疑标志着迈向未来的重要一步，自动驾驶汽车将成为我们所有人的现实