人工智能是一個(gè)非常重要和復(fù)雜的領(lǐng)域。關(guān)于人工智能的里程碑式事件，這里我們盤點(diǎn)了你應(yīng)該知道的十個(gè)。
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(shù)以百計(jì)的研究實(shí)驗(yàn)室和數(shù)千名計(jì)算機(jī)科學(xué)家的幫助下，編制一份每一項(xiàng)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(xì)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(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)聽說過神經(jīng)網(wǎng)絡(luò)，在當(dāng)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。雖然像深度學(xué)習(xí)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(shù)學(xué)理論。
Warren McCulloch和Walter Pitts的《神經(jīng)活動(dòng)內(nèi)在想法的邏輯演算》可能聽起來非常的普通，但它與計(jì)算機(jī)科學(xué)一樣重要(甚至超過計(jì)算機(jī)科學(xué))。其中，《PageRank引文排名》一文，催生了谷歌的誕生。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(xiàn)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(dāng)時(shí)，研究人員John McCarthy、Marvin Minsky、Nathaniel Rochester和Claude Shannon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John McCarthy被后人尊稱為“人工智能之父”。
1956年，會(huì)議在達(dá)特茅斯學(xué)院占地269英畝的莊園舉行。不幸的是，他們對(duì)于人工智能的發(fā)展有點(diǎn)過于樂觀了。他們寫到：“我們認(rèn)為，如果一個(gè)精心挑選的科學(xué)家團(tuán)隊(duì)努力工作一個(gè)夏天，那我們就能取得重大進(jìn)展。”然而事實(shí)證明，時(shí)間花得遠(yuǎn)比想象中的要多很多。
三、反向傳播算法（BACKPROP）的出現(xiàn)
反向傳播(英語：Backpropagation，縮寫為BP)，有時(shí)縮寫為“BP”，是機(jī)器學(xué)習(xí)歷史上最重要的算法之一。盡管該算法成為機(jī)器學(xué)習(xí)的主流算法是在20世紀(jì)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(jié)合使用的，用來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的常見方法。該方法計(jì)算對(duì)網(wǎng)絡(luò)中所有權(quán)重計(jì)算損失函數(shù)的梯度。這個(gè)梯度會(huì)反饋給最優(yōu)化方法，用來更新權(quán)值以最小化損失函數(shù)。
反向傳播要求有對(duì)每個(gè)輸入值想得到的已知輸出，來計(jì)算損失函數(shù)梯度。因此，它通常被認(rèn)為是一種監(jiān)督式學(xué)習(xí)方法，雖然它也用在一些無監(jiān)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(guī)則的推廣，可以用鏈?zhǔn)椒▌t對(duì)每層迭代計(jì)算梯度。反向傳播要求人工神經(jīng)元(或“節(jié)點(diǎn)”)的激勵(lì)函數(shù)可微。簡(jiǎn)而言之，這意味著創(chuàng)作者可以通過在犯錯(cuò)時(shí)糾正錯(cuò)誤來訓(xùn)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題時(shí)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(jì)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(jì)算機(jī)心理治療師，可以實(shí)現(xiàn)與用戶之間的“智能”對(duì)話。在當(dāng)時(shí)，ELIZA的發(fā)明者就指出，用戶如此愿意以這種方式與機(jī)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(jì)算機(jī)科學(xué)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(diǎn)”。而這里所指的“奇點(diǎn)”并不是廣義上的，而是指未來某一天機(jī)器將變得比人類更聰明，甚至?xí)〈祟悾髟兹祟愂澜纾黄浞Q為“即將到來的技術(shù)奇點(diǎn)”。
Vinge預(yù)測(cè)，在未來30年內(nèi)，人類將擁有創(chuàng)造超級(jí)人工智能的能力。他寫到：“不久之后，人類時(shí)代就會(huì)結(jié)束。”這是一個(gè)警告，和現(xiàn)如今特斯拉CEO馬斯克所擔(dān)心的一樣。
六、第一輛自動(dòng)駕駛汽車誕生
你認(rèn)為谷歌開發(fā)了世界上第一輛自動(dòng)駕駛汽車嗎?錯(cuò)!早在1986年，德國(guó)聯(lián)邦國(guó)防軍大學(xué)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(nèi)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(yùn)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(dāng)今的自動(dòng)駕駛技術(shù)，當(dāng)時(shí)的這項(xiàng)技術(shù)像是小兒科，但是至少它證明了無人駕駛是可以實(shí)現(xiàn)的。
七、IBM“深藍(lán)”戰(zhàn)勝國(guó)際象棋冠軍
對(duì)于人工智能來說，1997年是一個(gè)標(biāo)志性的年份，IBM的“深藍(lán)”超級(jí)計(jì)算機(jī)在一場(chǎng)人機(jī)大戰(zhàn)中戰(zhàn)勝國(guó)際象棋冠軍Garry Kasparov。盡管毫無疑問，深藍(lán)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(shí)證明這是可以的!
這一結(jié)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(xiàn)得異常出色，但它仍然是人工智能領(lǐng)域的巨大飛躍。
八、IBM“沃森”在智力競(jìng)賽節(jié)目中大獲全勝
就像深藍(lán)與Garry Kasparov的比賽一樣，IBM的人工智能在2011年面臨著另一個(gè)巨大的挑戰(zhàn)——沃森人工智能在著名的智力競(jìng)賽節(jié)目“Jeopardy”中擊敗了對(duì)手布拉德·拉特和肯·詹寧斯，成功贏取了100萬美元的大獎(jiǎng)。比賽結(jié)束后，肯·詹尼斯打趣道：“歡迎我們的新機(jī)器人霸主。”人工智能的再次勝利，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(xué)習(xí)算法識(shí)別貓科動(dòng)物
2012年6月，谷歌研究人員Jeff Dean和吳恩達(dá)從YouTube視頻中提取了1000萬個(gè)未標(biāo)記的圖像，訓(xùn)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)。盡管沒有給出有關(guān)它們的識(shí)別信息，但人工智能還是能夠通過深度學(xué)習(xí)算法來識(shí)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AI，也喜歡看視頻，而且尤其喜歡貓科動(dòng)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(lán)之后，谷歌DeepMind的AlphaGo在四場(chǎng)比賽中擊敗了國(guó)際圍棋世界冠軍李世石，而這場(chǎng)激烈的人機(jī)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(jí)版AlphaGo再次擊敗了國(guó)際圍棋大師柯潔，引發(fā)了全世界的關(guān)注。
