信息來源：secdoctor
人工智能是一個非常重要和復雜的領域。關于人工智能的里程碑式事件，這里我們盤點了你應該知道的十個。
將人工智能(AI)壓縮到10個“需要記憶的時刻”并不容易。在數以百計的研究實驗室和數千名計算機科學家的幫助下，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，我們已經仔細研究了歷史書籍，為你帶來了人工智能歷史上最重要的10個里程碑式的發(fā)展。
一、神經網絡的誕生
你可能已經聽說過神經網絡，在當今最先進的人工智能背后，是大腦激發(fā)的人工智能工具。你可能已經聽說過神經網絡，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年的一個數學理論。
Warren McCulloch和Walter Pitts的《 神經活動內在想法的邏輯演算 》可能聽起來非常的普通，但它與計算機科學一樣重要(甚至超過計算機科學)。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元網絡實現邏輯功能。至此，AI的大門正式打開。
二、人工智能的名字由來
如果要提到人工智能的真正開端，那就要追溯到1955年8月31日。當時，研究人員John McCarthy、Marvin Minsky、Nathaniel Rochester和Claude Shannon提交了一份《2個月，10個人的人工智能研究》的提案，第一次提出了“人工智能”的概念。而其中John McCarthy被后人尊稱為“人工智能之父”。
1956年，會議在達特茅斯學院占地269英畝的莊園舉行。不幸的是，他們對于人工智能的發(fā)展有點過于樂觀了。他們寫到：“我們認為，如果一個精心挑選的科學家團隊努力工作一個夏天，那我們就能取得重大進展?！比欢聦嵶C明，時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：Backpropagation，縮寫為BP)，有時縮寫為“BP”，是機器學習歷史上最重要的算法之一。盡管該算法成為機器學習的主流算法是在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，用來訓練人工神經網絡的常見方法。該方法計算對網絡中所有權重計算損失函數的梯度。這個梯度會反饋給最優(yōu)化方法，用來更新權值以最小化損失函數。
反向傳播要求有對每個輸入值想得到的已知輸出，來計算損失函數梯度。因此，它通常被認為是一種監(jiān)督式學習方法，雖然它也用在一些無監(jiān)督網絡(如自動編碼器)中。它是多層前饋網絡的Delta規(guī)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元(或“節(jié)點”)的激勵函數可微。簡而言之，這意味著創(chuàng)作者可以通過在犯錯時糾正錯誤來訓練他們的網絡。完成后，道具會修改神經網絡中的不同連接，確保下次遇到同樣問題時能得到正確的答案。
四、語言助手的誕生
提及亞馬遜的Alexa、谷歌助手和蘋果的Siri大家一定都不陌生。早在20世紀60年代中期，麻省理工學院的一名研究人員就發(fā)明了一個名為ELIZA的計算機心理治療師，可以實現與用戶之間的“智能”對話。在當時，ELIZA的發(fā)明者就指出，用戶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、科技奇點的提出
1993年，作家兼計算機科學家Vernor Vinge發(fā)表了一篇文章，這篇文章首次提到了人工智能的“奇點”。而這里所指的“奇點”并不是廣義上的，而是指未來某一天機器將變得比人類更聰明，甚至會取代人類，主宰人類世界。但在1993年，作家兼計算機科學家Vernor Vinge發(fā)表了一篇文章，這篇文章推廣了這個想法。
被稱為“即將到來的技術奇點”，Vinge預測，在未來30年內，人類將擁有創(chuàng)造超級人工智能的能力。他寫到：“不久之后，人類時代就會結束?！边@是一個警告，和現如今特斯拉CEO馬斯克所擔心的一樣。
六、第一輛自動駕駛汽車誕生
你認為谷歌開發(fā)了世界上第一輛自動駕駛汽車嗎?錯!早在1986年，德國聯邦國防軍大學的研究人員就在一輛奔馳面包車上安裝了攝像頭和智能傳感器，成功地在空無一人的街道上行駛。
幾年后，一位名叫Dean Pomerleau的卡內基梅隆大學的研究人員建造了一輛自動駕駛的龐蒂克運輸小貨車，并沿海岸線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。相較于當今的自動駕駛技術，當時的這項技術像是小兒科，但是至少它證明了無人駕駛是可以實現的。
七、IBM“深藍”戰(zhàn)勝國際象棋冠軍
對于人工智能來說，1997年是一個標志性的年份，IBM的“深藍”超級計算機在一場人機大戰(zhàn)中戰(zhàn)勝國際象棋冠軍Garry Kasparov。盡管毫無疑問，深藍的處理信息比人類更快，但真正的問題是，它是否更有策略地思考。事實證明這是可以的!
這一結果可能并沒有證明人工智能有能力在有明確規(guī)則的問題上表現得異常出色，它仍然是人工智能領域的巨大飛躍。
八、IBM“沃森”在智力競賽節(jié)目中大獲全勝
就像深藍與Garry Kasparov的比賽一樣，IBM的人工智能在2011年面臨著另一個巨大的挑戰(zhàn)——沃森人工智能在著名的智力競賽節(jié)目“Jeopardy”中擊敗了對手布拉德·拉特和肯·詹寧斯，成功贏取了100萬美元的大獎。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也愛貓?通過深度學習算法識別貓科動物
2012年6月，谷歌研究人員Jeff Dean和吳恩達從YouTube視頻中提取了1000萬個未標記的圖像，訓練了一個由16,000個電腦處理器組成的龐大神經網絡。盡管沒有給出有關它們的識別信息，但人工智能還是能夠通過深度學習算法來識別貓科動物的照片。
事實證明，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物。
十、谷歌AlphaGo戰(zhàn)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在四場比賽中擊敗了國際圍棋世界冠軍李世石，而這場激烈的人機大戰(zhàn)吸引了來自世界各地的6000萬人的觀看。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)了全世界的關注。
