將人工智能（AI）壓縮到10個(gè)“需要記憶的時(shí)刻”并不容易。在數以百計的研究實(shí)驗室和數千名計算機科學(xué)家的幫助下，編制一份每一項具有里程碑意義的成就的清單，都將是一份智能算法的工作。然而，我們已經(jīng)仔細研究了歷史書(shū)籍，為你帶來(lái)了人工智能歷史上最重要的10個(gè)里程碑式的發(fā)展。
一、神經(jīng)網(wǎng)絡(luò )的誕生
你可能已經(jīng)聽(tīng)說(shuō)過(guò)神經(jīng)網(wǎng)絡(luò )，在當今最先進(jìn)的人工智能背后，是大腦激發(fā)的人工智能工具。你可能已經(jīng)聽(tīng)說(shuō)過(guò)神經(jīng)網(wǎng)絡(luò )，這是一種當今前沿人工智能背后受大腦啟發(fā)的人工智能工具。雖然像深度學(xué)習這樣的概念是比較新的，但它們背后的理論體系可以追溯到1943年的一個(gè)數學(xué)理論。
WarrenMcCulloch和WalterPitts的《神經(jīng)活動(dòng)內在想法的邏輯演算》可能聽(tīng)起來(lái)非常的普通，但它與計算機科學(xué)一樣重要（甚至超過(guò)計算機科學(xué)）。其中，《PageRank引文排名》一文，催生了谷歌的誕生。在在《邏輯微積分》中，McCulloch和Pitts描述了如何讓人造神經(jīng)元網(wǎng)絡(luò )實(shí)現邏輯功能。至此，AI的大門(mén)正式打開(kāi)。
二、人工智能的名字由來(lái)
如果要提到人工智能的真正開(kāi)端，那就要追溯到1955年8月31日。當時(shí)，研究人員JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon提交了一份《2個(gè)月，10個(gè)人的人工智能研究》的提案，第一次提出了“人工智能”的概念。而其中JohnMcCarthy被后人尊稱(chēng)為“人工智能之父”。
1956年，會(huì )議在達特茅斯學(xué)院占地269英畝的莊園舉行。不幸的是，他們對于人工智能的發(fā)展有點(diǎn)過(guò)于樂(lè )觀(guān)了。他們寫(xiě)到：“我們認為，如果一個(gè)精心挑選的科學(xué)家團隊努力工作一個(gè)夏天，那我們就能取得重大進(jìn)展?！比欢聦?shí)證明，時(shí)間花得遠比想象中的要多很多。
三、反向傳播算法（BACKPROP）的出現
反向傳播（英語(yǔ)：Backpropagation，縮寫(xiě)為BP），有時(shí)縮寫(xiě)為“BP”，是機器學(xué)習歷史上最重要的算法之一。盡管該算法成為機器學(xué)習的主流算法是在20世紀80年代，但該算法第一次被提出是在1969年。這是一種與最優(yōu)化方法（如梯度下降法）結合使用的，用來(lái)訓練人工神經(jīng)網(wǎng)絡(luò )的常見(jiàn)方法。該方法計算對網(wǎng)絡(luò )中所有權重計算損失函數的梯度。這個(gè)梯度會(huì )反饋給最優(yōu)化方法，用來(lái)更新權值以最小化損失函數。
反向傳播要求有對每個(gè)輸入值想得到的已知輸出，來(lái)計算損失函數梯度。因此，它通常被認為是一種監督式學(xué)習方法，雖然它也用在一些無(wú)監督網(wǎng)絡(luò )（如自動(dòng)編碼器）中。它是多層前饋網(wǎng)絡(luò )的Delta規則的推廣，可以用鏈式法則對每層迭代計算梯度。反向傳播要求人工神經(jīng)元（或“節點(diǎn)”）的激勵函數可微。簡(jiǎn)而言之，這意味著(zhù)創(chuàng )作者可以通過(guò)在犯錯時(shí)糾正錯誤來(lái)訓練他們的網(wǎng)絡(luò )。完成后，道具會(huì )修改神經(jīng)網(wǎng)絡(luò )中的不同連接，確保下次遇到同樣問(wèn)題時(shí)能得到正確的答案。
四、語(yǔ)言助手的誕生
提及亞馬遜的Alexa、谷歌助手和蘋(píng)果的Siri大家一定都不陌生。早在20世紀60年代中期，麻省理工學(xué)院的一名研究人員就發(fā)明了一個(gè)名為ELIZA的計算機心理治療師，可以實(shí)現與用戶(hù)之間的“智能”對話(huà)。在當時(shí)，ELIZA的發(fā)明者就指出，用戶(hù)如此愿意以這種方式與機器交談，這讓他們感到非常驚訝。
五、科技奇點(diǎn)的提出
1993年，作家兼計算機科學(xué)家VernorVinge發(fā)表了一篇文章，這篇文章首次提到了人工智能的“奇點(diǎn)”。而這里所指的“奇點(diǎn)”并不是廣義上的，而是指未來(lái)某一天機器將變得比人類(lèi)更聰明，甚至會(huì )取代人類(lèi)，主宰人類(lèi)世界。但在1993年，作家兼計算機科學(xué)家VernorVinge發(fā)表了一篇文章，這篇文章推廣了這個(gè)想法。
被稱(chēng)為“即將到來(lái)的技術(shù)奇點(diǎn)”，Vinge預測，在未來(lái)30年內，人類(lèi)將擁有創(chuàng )造超級人工智能的能力。他寫(xiě)到：“不久之后，人類(lèi)時(shí)代就會(huì )結束?！边@是一個(gè)警告，和現如今特斯拉CEO馬斯克所擔心的一樣。
六、第一輛自動(dòng)駕駛汽車(chē)誕生
你認為谷歌開(kāi)發(fā)了世界上第一輛自動(dòng)駕駛汽車(chē)嗎？錯！早在1986年，德國聯(lián)邦國防軍大學(xué)的研究人員就在一輛奔馳面包車(chē)上安裝了攝像頭和智能傳感器，成功地在空無(wú)一人的街道上行駛。
幾年后，一位名叫DeanPomerleau的卡內基梅隆大學(xué)的研究人員建造了一輛自動(dòng)駕駛的龐蒂克運輸小貨車(chē)，并沿海岸線(xiàn)從賓夕法尼亞州的匹茲堡到加州的圣地亞哥,共行駛了2797英里。相較于當今的自動(dòng)駕駛技術(shù)，當時(shí)的這項技術(shù)像是小兒科，但是至少它證明了無(wú)人駕駛是可以實(shí)現的。
七、IBM“深藍”戰勝?lài)H象棋冠軍
對于人工智能來(lái)說(shuō)，1997年是一個(gè)標志性的年份，IBM的“深藍”超級計算機在一場(chǎng)人機大戰中戰勝?lài)H象棋冠軍GarryKasparov。盡管毫無(wú)疑問(wèn)，深藍的處理信息比人類(lèi)更快，但真正的問(wèn)題是，它是否更有策略地思考。事實(shí)證明這是可以的！
這一結果可能并沒(méi)有證明人工智能有能力在有明確規則的問(wèn)題上表現得異常出色，它仍然是人工智能領(lǐng)域的巨大飛躍。
八、IBM“沃森”在智力競賽節目中大獲全勝
就像深藍與GarryKasparov的比賽一樣，IBM的人工智能在2011年面臨著(zhù)另一個(gè)巨大的挑戰——沃森人工智能在著(zhù)名的智力競賽節目“Jeopardy”中擊敗了對手布拉德·拉特和肯·詹寧斯，成功贏(yíng)取了100萬(wàn)美元的大獎。比賽結束后，肯·詹尼斯打趣道：“歡迎我們的新機器人霸主?！比斯ぶ悄艿脑俅蝿倮?，又一次向世界證明了人工智能比人腦更快。
九、AI也愛(ài)貓？通過(guò)深度學(xué)習算法識別貓科動(dòng)物
2012年6月，谷歌研究人員JeffDean和吳恩達從YouTube視頻中提取了1000萬(wàn)個(gè)未標記的圖像，訓練了一個(gè)由16,000個(gè)電腦處理器組成的龐大神經(jīng)網(wǎng)絡(luò )。盡管沒(méi)有給出有關(guān)它們的識別信息，但人工智能還是能夠通過(guò)深度學(xué)習算法來(lái)識別貓科動(dòng)物的照片。
事實(shí)證明，就像我們一樣，即使是令人印象深刻的智能AI，也喜歡看視頻，而且尤其喜歡貓科動(dòng)物。
十、谷歌AlphaGo戰勝世界圍棋冠軍李世石
2016年3月，繼IBM深藍之后，谷歌DeepMind的AlphaGo在四場(chǎng)比賽中擊敗了國際圍棋世界冠軍李世石，而這場(chǎng)激烈的人機大戰吸引了來(lái)自世界各地的6000萬(wàn)人的觀(guān)看。同樣，2017年的升級版AlphaGo再次擊敗了國際圍棋大師柯潔，引發(fā)了全世界的關(guān)注。
