最早提出人工智能是谁

杨金珠2018/9/12

中国通信行业市场前景及未来投资策略剖析

谁最先提出人工智能？什么是人工智能？

人工智能（AI）这一术语最早是在1956年美国达特茅斯会议上提出的，与会职员包括明斯基、西蒙、麦卡锡等打算机专家。
不同的教科书对人工智能的定义每每有不同的阐明，个中比较大略易懂的定义之一是：人工智能是指“能像人一样感知、识别、决策和实行的人工程序或系统”。

人工智能还有一个值得磋商的关键问题，便是人工智能和机器人的关系，也便是人工智能和机器人是一回事吗？从事人工智能研究的专家每每来自打算机科学领域，他们研究的是数字天下和虚拟天下，也便是说他们讲的感知、认知、决策、实行都是在数字天下里进行的。
但与此同时，也有机器人科学领域的专家在探索这样的机制能否在物理天下和现实天下中实现，他们要办理的是机器手和机器掌握，他们要做的是在现实天下中做感知、认知、决策和实行，以是他们的实行必须有一个物理实体。
比如，对付像“在家里的客厅远程关掉寝室的灯”这样的问题，人工智能专家和机器人专家每每采取不同的方法。
人工智能专家会考虑在手机上做一个软件，通过互联网连接到寝室里的智能设备，再把寝室里的开相干接到物联网，这样用手机远程掌握就可以关灯了。
这个过程可以在虚拟天下中完成。
但对付一个机器人专家来说，他可能会做一个会爬楼梯的机器人，然后给机器人下达指令，机器人接到指令后会跑到寝室去关灯，这个过程必须在物理天下中完成。
以是从实质上讲，“人工智能”和“机器人”很靠近，只是背景不同。

人工智能的第三个关键问题是它的学科根本。
人工智能的软件实现涉及打算机科学、旗子暗记信息处理和统计模式识别等多个学科。
打算机科学包括算法、网络等；旗子暗记处理涉及傅里叶剖析、拉普拉斯变换等时空剖析方法；统计模式识别依赖概率论和数理统计。
我们现在利用的深度神经网络（DNN）和统计模式识别算法就出自这里。
人工智能专家每每具有打算机科学和电子工程背景。
但机器人领域每每强调掌握理论，包括卡尔曼滤波、自动掌握事理、机器掌握理论等。
机器掌握理论中有很多机器事理涉及物理规则。
从这里也可以看出，人工智能和机器人是两个相互联系又不同的研究领域。

人工智能历史上的重大事宜：

1308 年，加泰罗尼亚墨客兼神学家拉蒙卢尔出版了《终极通用艺术》，详细阐述了他的“逻辑机器”观点。
该观点声称能够利用大略的逻辑运算将基本的、不可否认的真理机器地结合起来，从而得到新知识。
他的作品对莱布尼茨产生了很大的影响，莱布尼茨进一步发展了他的思想。

1666年，数学家、哲学家莱布尼茨揭橥了《组合艺术》，继续和发展了雷蒙德鲁尔的思想，认为通过对人类思维进行编码，再进行推导和组合，可以得到新的知识。
莱布尼茨认为，所谓的思维，实质上便是一些小观点的组合。

1726年，英国小说家乔纳森斯威夫特出版了《格列佛游记》，小说中描述了一种类似于鲁尔在《天空之城》中逻辑机器的神奇机器：“它用实用的、机器的方法来提高人们的思辨知识”，“纵然是最无知的人，只要支付适当的学费，再付出一点体力，也不须要什么天赋和学识，就能写出关于哲学、诗歌、政治、法律、数学和神学的书本。
”

1763年，托马斯贝叶斯创建了一个推理事宜概率的框架。
贝叶斯推理是机器学习的理论先驱。

1854年，乔治布尔提出逻辑推理的过程可以像解方程一样进行。

尼古拉特斯拉在 1898 年麦迪逊广场花园的电气展览会上展示了天下上第一艘无线电遥控船。
特斯拉说他的船配备了一个“借来的大脑”。

1914年，西班牙工程师莱昂纳多托雷斯克维多（Leonardo Torres y Quevedo）演示了天下上第一台自动下棋机，该机器无需人工干预即可自动下棋。

1921年，捷克作家卡雷尔恰佩克在他的戏剧《罗素姆的万能机器人》中首次利用了“机器人”一词。
该词源于波兰语“robota”（事情）。

1925年，无线电设备公司Houdina Radio Control制造了第一辆无线电遥控无人驾驶汽车，并在纽约街头行驶。

1927年，科幻电影《大都会》上映，片中一个女机器人在2026年的柏林制造混乱，这是机器人形象首次涌如今大银幕上，该片也启示了后来《星球大战》中“C-3PO”的角色。

1929年，西村落诚设计出“学天则”，标志着日本第一台机器人的出身。
学天则可以通过气压机构改变面部表情，并移动头部和手臂。

1943 年，沃伦S麦卡洛克和沃尔特皮茨在《数学生物物理学通讯》上揭橥了《神经活动中内在思想的逻辑演算》。
这篇影响深远的论文谈论了空想化和简化的人工神经网络以及如何实行大略的逻辑函数。
这启示了后来神经网络和深度学习的涌现。

1949年，埃德蒙贝克莱出版了《巨型大脑：或会思考的机器》。
书中说：“最近有很多关于巨型机器的新颖有趣的宣布，这些机器能够非常迅速而闇练地处理信息……这些机器就像是由硬件和电线组成的大脑……一台能够处理信息的机器，能够打算、总结和选择。
它还能够根据信息做出理性的操作。
说这样的机器会思考并不为过。
”

1949 年，唐纳德赫布揭橥了《行为组织：一种神经心理学理论》。
赫布的理论描述了人类大脑在学习过程中突触之间发生的变革。

1950年，克劳德喷鼻香农揭橥了《编写打算机下棋程序》，这是第一篇研究打算机象棋程序的文章。

1950年，阿兰图灵揭橥了《打算机器与智能》，文中提出的“模拟游戏”后来被称为“图灵测试”。

1951年，马文明斯基和迪安埃德蒙兹建造了“盗取神经网络仿照强化打算器”（SNARC），这是有史以来第一个人工神经网络，利用3000个真空管仿照了一个由40个神经元组成的网络。

1952 年，阿瑟塞缪尔 (Arthur Samuel) 开拓了第一个打算机跳棋程序和第一个具有学习能力的打算机程序。

1955年8月31日，“人工智能”一词在一次国际人工智能会议提案中被提出。
该提案由约翰麦卡锡（达特茅斯学院）、马文明斯基（哈佛大学）、纳撒尼尔罗切斯特（IBM）和克劳德喷鼻香农（贝尔电话实验室）共同提交。
一年后，达特茅斯会议召开，这被认为是开启人工智能研究领域的历史性事宜。

1955年12月，赫伯特西蒙和艾伦纽厄尔开拓出了天下上第一个人工智能程序“逻辑理论家”，能够证明罗素和怀特海的《数学事理》第2章中的52条定理中的38条。

1957年，弗兰克罗森布拉特（Frank Rosenblatt）发明了感知器，它能基于双层打算机网络进行模式识别。
《纽约客》夸奖它是一台“非凡的机器”。

1958年，约翰麦卡锡开拓了编程措辞Lisp。
后来，Lisp成为人工智能研究中最盛行的编程措辞。

1959 年，亚瑟塞缪尔 (Arthur Samuel) 在一篇文章中创造了“机器学习”一词，他在文章中写道：“对打算机进行编程，使其能够学会比程序员更好地下跳棋。
”

1959 年，奥利弗塞尔弗里奇 (Oliver Selfridge) 出版了《混乱：学习的范式》，描述了一种可以让打算机得到识别新模式的能力的打算模型。

1959年，约翰麦卡锡揭橥了《知识程序》，提出了“建议接管者”的观点，这是一个假想的程序，可以看作是第一个完全的人工智能系统。

1961年，第一台工业机器人Unimate开始在新泽西州通用汽车工厂的生产线上事情。

1961 年，James Slagle 开拓了一个名为 SAINT 的符号积分程序。
这个启示式程序可以办理打算中的符号积分问题。

1964年，丹尼尔鲍勃罗完成了麻省理工学院的博士论文《打算机问题办理系统的自然措辞输入》，并开拓了一个名为“STUDENT”的自然措辞理解程序。

1965年，赫伯特西蒙预测打算机将能够在20年内取代人类劳动力。

1965年，赫伯特德雷福斯揭橥了《炼金术与人工智能》，提出了人工智能研究的重大理论问题。

1965年，IJ古德在《关于第一台超级智能机器的推测》中提出人工智能威胁论，认为超级智能机器将超越人类的掌握。

1965 年，约瑟夫魏森鲍姆 (Joseph Weizenbaum) 开拓了 ELIZA，这是一个可以就任何话题发起对话的交互式程序。

1965 年，爱德华费根鲍姆 (Edward Feigenbaum)、布鲁斯G布坎南 (Bruce G. Buchanan)、约书亚莱德伯格 (Joshua Lederberg) 和卡尔杰拉西 (Carl Djerassi) 开始在斯坦福大学研究 DENDRAL 系统。
这是历史上第一个能够自动实行有机化学决策过程和解决问题的专家系统。

1966年，机器人Shakey是第一个可以推理自己行为的通用移动机器人。
《生活周刊》在一篇评论文章中引用了明斯基的预测：“3到8年后，机器将达到普通人的智能水平。
”

1968年，电影《2001：太空漫游》上映。
影片重点塑造了一台有情绪的打算机“哈尔”。

1968 年，Terry Winograd 开拓了早期的自然措辞理解程序 SHRDLU。

1969 年，Arthur Bryson 和 Yu-Chi Ho 将反向传播描述为一种用于多层人工神经网络的多阶段动态系统优化方法。
后来，当打算机打算能力足以演习大型网络时，它为 2000 年至今的深度学习发展做出了重大贡献。

1969 年，马文明斯基和西摩帕普特出版了《感知器：打算几何学导论》。
他们描述了大略神经网络的局限性。
在 1988 年的扩充版中，作者认为他们 1969 年的结论大大减少了对神经网络的帮助。
“我们认为，由于缺少根本理论，研究陷入了结束……在 20 世纪 60 年代，人们对​​感知器进行了大量实验，但没有人能弄清楚它们的事情事理。
”

1970年，日本早稻田大学制成第一台人形机器人WABOT-1，该机器人由肢体掌握系统、视觉系统、对话系统组成。

1972年，斯坦福大学开拓了名为“MYCIN”的专家系统，可以利用人工智能识别传染性细菌并推举抗生素。

1973年，詹姆斯莱特希尔在提交给英国科学研究委员会的报告中指出：“人工智能研究尚未产生任何主要影响。
”结果，政府大幅减少了对人工智能研究的帮助。

1976 年，打算机科学家 Raj Reddy 揭橥了《机器语音识别：评论》，总结了自然措辞处理的早期事情。

1978 年，卡内基梅隆大学开拓了 XCON 程序，这是一个基于规则的专家系统，帮助 DEC 根据用户哀求自动选择 VAX 打算机系统的组件。

1979年，斯坦福大学的自动驾驶汽车Stanford Cart在无人干预的情形下，成功穿越了布满障碍物的房间，这是自动驾驶汽车最早的研究案例之一。

1980年，日本早稻田大学研制出Wabot-2机器人，它可以与人互换、读乐谱、弹奏电子键盘。

1981年，日本通商家当省拨款8.5亿美元用于第五代打算机项目的研究，该项目旨在开拓能够像人类一样进行互换、翻译、图像识别和推理的打算机。

1984年，《电子梦》上映，讲述了一个男人、一个女人和一台打算机之间的三角恋故事。

1984 年，在 AAAI 年度会议上，罗杰尚克 (Roger Schank) 和马文明斯基 (Marvin Minsky) 警告“人工智能寒冬”即将来临，预测人工智能泡沫将会破灭（三年后确实发生），投资资金也将涌现类似 20 世纪 70 年代中期的下滑。

第一辆无人驾驶的梅赛德斯奔驰汽车于 1986 年在恩斯特迪克曼斯 (Ernst Dickmanns) 的辅导下制造。
该车配备了摄像头和传感器，时速可达 55 英里。

1986 年 10 月，David Rumelhart、Geoffrey Hinton 和 Ronald Williams 揭橥了《通过反向传播偏差学习表征》。
他们描述了一种通过类似神经元的网络单元进行反向传播的新学习程序。

1987 年，随着时任 CEO John Sculley 在 Educom 大会上的演讲，苹果对未来打算机“知识导航器”的设想深入民气。
个中，语音助手、个人助理的预言，如今都已成为现实。

1988年，朱迪亚珀尔揭橥了《智能系统中的概率推理》。
珀尔因其在人工智能概率方法和贝叶斯网络发展方面的精彩造诣而得到2011年图灵奖。

1988年，罗洛卡彭特（Rollo Carpenter）开拓了谈天机器人Jabberwacky，它可以模拟人类进行诙谐谈天，这是人工智能与人类互动的最早考试测验。

1988年，IBM沃森研究中央揭橥了《措辞翻译的统计方法》，标志着基于规则的翻译向机器翻译的转变。
机器学习不须要人工提取特色和编程，只须要大量的示范材料就能像人脑一样学习技能。

1988年，马文明斯基和西摩帕普特出版了他们1969年著作《感知器》的扩展版，在媒介中他们指出，许多新兴的人工智能研究职员正在犯前辈们的缺点，导致该领域的进展缓慢。

1989 年，Yann LeCun 和贝尔实验室的其他研究职员成功地将反向传播算法运用到多层神经网络中，用于识别手写邮政编码。
考虑到当时硬件的限定，他们花了三天韶光才演习出这个网络。

1990年，罗德尼布鲁克斯（Rodney Brooks）出版了《Lephants Don't Play Chess》，提出了通过环境交互来创造AI机器人的想法。

1993年，弗诺文奇揭橥《即将到来的技能奇点》，认为30年内人类将拥有创造出超人聪慧的技能，人类时期将很快闭幕。

1995年，理查德华莱士开拓了谈天机器人“ALICE”，受到魏森鲍姆的ELIZA的启示，互联网的涌现为华莱士带来了更多的自然措辞样本数据。

1997年，Sepp Hochreiter和Jrgen Schmidhuber提出了是非期影象人工神经网络（LSTM）的观点，以此观点为辅导的循环神经网络如今已运用于手写识别和语音识别。

1997年，IBM 的“深蓝”成为第一个击败人类国际象棋冠军的打算机程序。

1998 年，戴夫汉普顿 (Dave Hampton) 和 Caleb Chung 创造了宠物机器人 Fury。

1998年，Yann LeCun和Yoshua Bengio揭橥了一篇关于将神经网络运用于手写识别并优化反向传播的论文。

2000 年，麻省理工学院的辛西娅布雷泽尔 (Cynthia Breazeal) 发明了 Kismet，一个能够识别和仿照人类感情的机器人。

2000年，日本本田公司推出了具有人工智能的人形机器人ASIMO，ASIMO可以像人一样快速行走，并在餐厅为顾客供应食品。

2001年，斯皮尔伯格执导的电影《人工智能》上映，影片讲述了一个儿童机器人试图融入人类天下的故事。

2004 年，第一届 DARPA 自动驾驶汽车寻衅赛在莫哈维沙漠举行。
遗憾的是，参赛的自动驾驶汽车无一能够完成 150 英里的赛程。

2006 年，Oren Etzioni 和 Michele Banko 在他们的著作《机器阅读》中将“机器阅读”定义为“一种无监督的、自动化的文本理解”。

2006年，Geoffrey Hinton揭橥了《学习多层表示》，与之前学习分类器的目标不同，提出了学习天生模型的思想。

2007 年，普林斯顿大学的李飞飞 (Fei Fei Li) 和同事开始构建 ImageNet，这是一个大型带注释图像数据库，旨在赞助视觉工具识别软件的研究。

2009年，谷歌开始秘密研发无人驾驶汽车，2014年，谷歌汽车在内华达州通过了无人驾驶汽车测试。

2009年，西北大学智能信息实验室的打算机科学家开拓了Stats Monkey，一个无需人工干预即可自动编写体育新闻的程序。

2010年，ImageNet大规模视觉识别寻衅赛（ILSVCR）正式举行，这个比赛是为了比拼哪家公司在图像识别和分类方面拥有更精良的打算技能。

2011 年，卷积神经网络赢得了德国交通标志检测大赛，机器的精确率高达 99.46%，而人类的最高得分为 99.22%。

2011年，IBM的超级打算机Watson在美国长期播出的智力竞赛节目《危险边缘！
》（Jeopardy!）中击败了人类。

2011年，瑞士Dalle Molle人工智能研究所报告称，利用卷积神经网络的手写识别缺点率可以达到0.27%，比几年前的0.35%至0.40%有了很大的改进。

2012 年 6 月，吴恩达 (Andrew Ng) 和杰夫迪恩 (Jeff Dean) 报告了一项实验，他们向大型神经网络展示了 1000 万张未标记的网络图像，创造神经网络能够识别猫的图像。

2012年10月，多伦多大学设计的卷积神经网络在ImageNet大规模视觉识别寻衅赛（ILSVCR）中取得了16%的缺点率，较上一年最好水平（25%）有显著提升。

2016年3月，谷歌DeepMind开拓的AlphaGo在人机围棋比赛中击败了韩国职业九段棋手李世石。