读写给大家的AI极简史笔记02人工智能简史

1.       20世纪30年代

1.1.         库尔特·哥德尔(KurtGödel)

1.1.1.           用完备性定理(completeness theorem)和不完备性定理(incompleteness theorems)证明了逻辑的全部能力及其局限性

1.1.2.           复杂算法的基本逻辑目录就被创建出来了,而随之诞生的是计算机语言编写的指令

1.1.2.1.            计算机要用这些指令才能执行交给它们的任务

2.       1936年

2.1.         艾伦·图灵

2.1.1.           Alan Turing

2.1.2.           只要是通过算法能解决的问题就难不倒计算机

2.1.3.           他的理论模型后来被称为“图灵机器”(Turing machine)

2.1.3.1.            这在某种意义上有些令人困惑,因为图灵机器不是一个物理对象,而是数学对象

3.       1941年

3.1.         克兰德·楚泽

3.1.1.           Konrad Zuse

3.1.2.           德国工程师

3.1.3.           创造了世界上第一台可编程的全自动电子计算机Z3

3.1.3.1.            使用1和0的二进制代码来计算飞机中的振荡

3.1.3.2.            这个非常具有前瞻性的计算机毁于1943年的空袭

4.       1946年

4.1.         埃尼阿克(ENIAC)

4.1.1.           世界上第二台现代电子计算机

4.1.2.           这是宾夕法尼亚大学研究人员自1942年以来的研究成果,主要用于计算炮弹设计表

5.       1950年

5.1.         ENIAC的升级版本已经在计算弹道飞行路径,并且结果可靠

5.2.         艾伦·图灵

5.2.1.           Alan Turing

5.2.2.           在他的传奇文章《计算机机械与智能》(Computing Machinery and Intelligence)中提出了“机器能思考吗?”这个问题

5.2.2.1.            让一台计算机通过电子设备与人交谈,如果设备另一端的人无法分辨与他们交谈的是人还是机器,那么这台计算机就应该被认为是智能的

5.3.         在1950年左右出现“机器是否能思考”这一问题绝非偶然

5.3.1.           那时,科学技术已经以两种不同的方式取得了长足进步,使得人类可以开始想象能参加这个问答游戏的机器的存在

5.3.2.           构建智能机器至少需要两个元素:一套强大的逻辑规则,以及可以基于这些规则处理信息并从中得出逻辑结论的物理设备

6.       1956年夏天

6.1.         达特茅斯人工智能夏季研讨会

6.1.1.           DartmouthSummer Research Project on Artificial

Intelligence

6.1.2.           与会者一致认为,思维是有可能在人脑以外产生的

6.1.2.1.            这种信念基于法国哲学家朱利安·奥弗雷·德·拉·梅特里(Julien Offray de La Mettrie)200年前的一个观点:人类是机器

6.1.3.           名为“逻辑理论家”(Logic Theorist)的计算机程序

6.1.3.1.            艾伦·纽威尔(AllenNewell)、赫伯特·A·西蒙(Herbert A.Simon)和克利夫·肖(Cliff Shaw)

6.1.3.2.            该程序有意识地模仿了人类解决问题的策略,而且常常能比人类更优雅地证明数学理论

6.1.3.3.            “逻辑理论家”是第一个不仅具有处理数字的能力,而且具有处理符号和标志的能力的计算机程序

6.1.3.3.1.             这为计算机理解人类语言和识别上下文奠定了重要基础
6.1.3.3.2.             这个重大突破却几乎没有被在场的研究人员注意到,甚至这个程序的开发者也没有认识到它在未来的发展前景

6.1.4.           约翰·麦卡锡

6.1.4.1.            John McCarthy

6.1.4.2.            一位年轻的逻辑学家及夏季研讨会的共同发起人

6.1.4.3.            创造了“人工智能”这个概念

6.1.4.4.            开发了LISP编程语言,为许多AI应用程序奠定了基础

7.       1959年

7.1.         亚瑟·塞缪尔

7.1.1.           Arthur Samuel

7.1.2.           一位电气工程师

7.1.2.1.            通过教IBM大型机器与自己对抗并记录下在特定情况下某一步棋的胜率,从而获得了突破

7.1.3.           为西洋跳棋编写了一个程序

7.1.3.1.            这个程序可以和非常优秀的棋手抗衡

7.1.3.2.            在这之前,西洋跳棋程序只包含游戏的基本规则,虽然经过反复改进与升级,还是完全无法对抗经验丰富的玩家

7.1.4.           人类第一次教机器自主学习,并且诞生了“机器学习”的方法和概念

7.1.4.1.            直到 1997年,人工智能才“学会”下国际象棋

8.       1961年

8.1.         Unimate机器人

8.1.1.           在通用汽车装配线上工作

8.2.         Shakey

8.2.1.           第一个能够用照相机和传感器探索周围环境的部分自主机器人

8.2.2.           在位于加利福尼亚州门罗公园的斯坦福研究所的实验室里移动

9.       1966年

9.1.         约瑟夫·韦森鲍姆

9.1.1.           Joseph Weizenbaum

9.1.2.           造出了第一个具有处理自然语言能力的聊天机器人原型——ELIZA

10.  1970年

10.1.     专家系统从案例数据等信息中得到了越来越智慧的转化

10.2.     MYCIN系统

10.2.1.      开始帮助医生诊断某些血液疾病并推荐治疗方法

10.2.2.      “如果-那么关系”(if-then relationships):如果一个人流鼻涕、嗓子疼和发烧,那么他得的就是病毒性流感而不是伤风感冒

10.3.     基于MYCIN获得的经验,专家系统随之拓展到其他更复杂的领域,如肺部测试、内科医学、化学分子结构分析及地质岩石地层分析等,并被投入市场使用

10.3.1.      专家系统也被用来为辅助呼叫中心配置计算机并协助那里的员工

11.  1971年

11.1.     第一辆自动驾驶汽车在斯坦福问世

12.  1982年

12.1.     Covox

12.1.1.      世界上第一个商业语音识别系统上市

12.1.2.      唯一技能是把口语转变为书面语

12.2.     恩斯特·迪特·迪克曼斯

12.2.1.      Ernst Dieter Dickmanns

12.2.2.      慕尼黑的德国陆军大学,机器人专家

12.2.3.      为一辆奔驰面包车配备了智能摄像机,以便它能够在测试场地中以差不多每小时 60英里的速度实现完全的自动驾驶

13.  20世纪90年代初

13.1.     Polly

13.1.1.      麻省理工学院的一个可爱的机器人

13.1.2.      会带领人们参观人工智能实验室,幽默地与人们互动,并模拟人类的感受

14.  1993年

14.1.     Netscape

14.1.1.      世界上出现了第一个使每个人都可以访问互联网的浏览器

14.1.2.      创造了一个蕴含着人们难以想象的丰富数据的空间

14.1.2.1.        这些数据可以投喂给计算机进行处理

14.1.2.1.1.         因为按照摩尔定律(Moore’sLaw),计算机芯片的计算速度每一到两年就可以翻一番,而芯片的存储成本却越来越低,所以计算机一直没有被新的数据量所淹没

15.  1997年

15.1.     IBM电脑深蓝

15.1.1.      击败了国际象棋世界冠军加里·卡斯帕罗夫(Garry

Kasparov)

15.1.2.      从狭义的角度来说,深蓝根本不是一个人工智能系统

15.1.2.1.        它完全不能从自己的错误中学习

15.1.2.2.        只是一台速度极快的计算机,能够每秒评估2亿个棋位

15.1.2.3.        该机器使用所谓的蛮力算法,即处理方法很粗暴,但结果似乎表现出它很聪明

16.  2011年

16.1.     人工智能在国际象棋大赛中战胜了人类棋手

16.2.     IBM的沃森系统

16.2.1.      在美国电视游戏节目Jeopardy!中对战近几年的国际象棋总冠军并获得了胜利

16.2.2.      与深蓝不同,沃森是一个从数据中学习的系统

16.2.2.1.        它的主要成就不是以闪电般的速度从百科全书或报纸文章中查找已存知识

16.2.2.1.1.         这对于计算机来说已经不是什么新鲜事

16.2.3.      语义分析,换句话说就是能够理解人类语言,并在适当的上下文中对单词和句子的意义进行分类

17.  2016年

17.1.     AlphaGo

17.1.1.      来自谷歌的数据科学家帮助一个自适应系统战胜了世界上最优秀的围棋玩家

17.1.1.1.        在这个亚洲棋盘游戏中,变化的可能性比宇宙中的原子还要多

17.1.1.1.1.         即使是最快的超级计算机也不可能预先计算所有可能性,更不用说人类了

17.1.1.2.        下围棋需要结合逻辑和直觉

17.1.1.2.1.         棋手们无法解释为什么这么走会是一步好棋,而是他们的直觉让他们做出了决定
17.1.1.2.1.1.          他们下意识地察觉到了曾经在历史棋局中见过的模式
17.1.1.2.1.2.          直觉是他们经验知识的捷径
17.1.1.2.1.3.          经验知识不是外显的,而是隐秘地存储在他们大脑里的突触中

17.1.2.      计算机没有感觉,但它可以像塞缪尔的跳棋程序那样与自己进行数百万次的对战

17.1.2.1.        以这种方式积累了经验知识,从而能识别模式和可能适合它们的策略

17.1.2.2.        实际上是由模式识别、统计和随机数生成器巧妙结合产生的结果

17.1.3.      AlphaGo的胜利清楚地表明:直觉和创造力(取决于怎么定义)不再仅仅是人类独善的领域

18.  2017年1月

18.1.     Libratus

18.1.1.      扑克是一种集精明商人的所有素质于一身的游戏

18.1.1.1.        战略思维,评估他人处境和行为的能力,以及适时冒险的欲望

18.1.2.      卡内基梅隆大学的超级计算机Libratus在所有纸牌游戏,甚至是没有限制模式下的德克萨斯州扑克中都击败了世界上最好的玩家们

18.1.2.1.        这台超级计算机的训练者仅仅是两名科学家

18.1.2.2.        这一事件几乎没有在任何报纸登上头条,但其实它极其重要

18.1.2.2.1.         如果一台机器能在扑克牌游戏中打败人类,那么它也能在日常商务谈判中打败人类

19.  近20年来

19.1.     勒布纳奖

19.1.1.      Loebner Prize

19.1.2.      世界上一直在举办以图灵测验为主题的世界锦标赛

19.1.3.      只要一个人工智能系统能在25分钟的书面对话中使一半裁判相信它是人类,它的研究人员就能获得2.5万美元的银奖

19.1.4.      至今无人获得该奖项,更别说奖金高达10万美金的金奖了

19.1.4.1.        要获得金牌,参赛的人工智能系统不仅要通过书面对话测试,还要通过语音和视觉交流测试

posted @ 2024-07-20 07:45  躺柒  阅读(21)  评论(0编辑  收藏  举报