人工智能概念是在哪一年提出的（探秘AI历史：人工智能发展时间轴的重大事件）

近年来，人工智能（AI）领域经历了快速变革和发展。要了解更多得从1950年代到现在的AI发展说起。

人工智能技术现在以比人类输出快得多的速度进行工作，并且能够生成曾经难以想象的创造性回应，例如文本、图像和视频，这只是发生的一部分变化。人工智能继续扩展的速度是前所未有的，要了解人工智能是如何走到这一步的，有必要了解它最初是如何开始的。人工智能有着悠久的历史，可以追溯到20世纪50年代，几乎每个十年都有重要的里程碑。在本文中，我们将回顾人工智能发展时间轴上的重大事件。

人工智能的起源
20世纪50年代

在20世纪50年代，计算机本质上是作为大型计算器使用的。事实上，像NASA这样的组织在需要特定计算的答案时，比如火箭发射的轨道，他们更经常求助于人类“计算机”或专门解决这些复杂方程的女性团队。在计算机成为现代设备之前很久，一位数学家和计算机科学家就预见到了人工智能的可能性。这才是真正的人工智能的起源。

阿兰·图灵
在计算能力仍主要依赖人脑的时代，英国数学家阿兰·图灵想象出了一种能够超越最初编程的机器。在图灵看来，这种计算机器最初会被编码为根据程序工作，但可以扩展到最初功能之外。

阿兰 · 图灵

当时，图灵没有技术来证明他的理论，因为计算机器还没有发展到那个水平，但他被认为是第一个人工智能概念的提出者。他还开发了一种评估机器是否能与人类一样思考的方法，他称之为“模仿游戏”，但现在更流行的说法是“图灵测试”。

图灵测试

达特茅斯会议
在1956年夏天，达特茅斯学院数学教授约翰·麦卡锡邀请了来自各个学科的一小群研究人员，参加了一个为期一个夏天的研讨会，探讨“思考机器”的可能性。这个小组认为，“学习或智力的任何特征都可以在原则上被精确描述从而可以制造出模拟它的机器”。由于他们在那个夏天的讨论和工作，他们被认为是人工智能领域的奠基人。

达特茅斯会议

约翰·麦卡锡
在达特茅斯夏季会议期间——也是图灵去世两年后——麦卡锡提出了一个术语，这个术语将定义类似人类机器人的行为。在概述那年夏天的工作研讨会的目的时，他用了一个将永远为人所知的术语来描述它，那就是“人工智能“

人工智能的基础
1960年代-1970年代

达特茅斯会议后，早期的兴奋在接下来的几十年里不断高涨，早期的进展迹象包括一个逼真的聊天机器人和其他。

伊莉莎
ELIZA由麻省理工学院计算机科学家约瑟夫·魏岑鲍姆于1966年创建，被广泛认为是第一个聊天机器人，它通过将用户的回答重新组织成问题来模拟问话，从而引发进一步的对话，这种方法也被称为罗杰斯式论点。

魏岑鲍姆认为，这种相对初级的互动就能证明机器智能的简单状态。然而，许多用户却认为他们是在与人类交谈。在一篇研究论文中，魏岑鲍姆解释说：“有些用户很难相信ELIZA……不是人类。”

谢克机器人
在1966年至1972年间，斯坦福研究所的人工智能中心开发了机器人Shakey。Shakey是一个配备了传感器和电视摄像头的移动机器人系统，它利用这些设备在不同的环境中导航。根据SRI后来发布的一篇论文，开发Shakey的目标是“发展人工智能的概念和技术，使自动化设备能够在现实环境中独立运作”。

研究人员正在调试Shakey

虽然与今天的开发相比，Shakey的能力相当粗糙，但机器人帮助推进了人工智能的多个领域，包括“视觉分析、路线寻找和物体操作”。

美国人工智能协会成立
在1950年代的达特茅斯会议之后，人工智能研究开始在麻省理工学院、斯坦福大学和卡内基梅隆大学等知名机构涌现。这些研究背后的关键人物需要有机会分享信息、想法和发现。为此，1977和1979年分别举办了国际人工智能联合会议，但尚未形成更紧密的团体。

美国人工智能协会成立于1980年，填补了这一空白。该组织专注于在该领域建立期刊、举办研讨会和策划年度会议。该协会已发展成为人工智能促进协会 (AA)，并致力于“推进对思维和智能行为背后的机制的科学理解，以及它们在机器中的体现”

人工智能的寒冬
1974年，应用数学家詹姆斯·莱特希尔爵士发表了一份关于学术人工智能研究的批判性报告，称研究人员在的潜在智能方面基本上是过度承诺而没有兑现。他的谴责导致了资金的大幅削减。

20世纪70年代末到90初的这段时期标志着“人工智能寒冬”——这个术语首次出现在1984年——指的是人工智能的期望与技术的不足之间的差距。

人工智能的早期
1980年代-1990年代

始于20世纪70年代的人工智能寒冬在接下来的二十年里持续了大部分时间，尽管在80年代初有过短暂复兴。直到90年代末取得进展后，该领域才获得了更多的研发资金，取得了重大突破。

第一辆无人驾驶汽车
1986年，在德国工作的科学家恩斯特·迪克曼斯（Er Dickmanns）发明了第一辆自动驾驶汽车。从技术上讲，这是一辆装有计算机系统和传感器的梅赛德斯货车，读取环境信息。该车辆只能在没有其他汽车和乘客的道路上行驶。

深蓝
1996年，IBM公司让其计算机系统深蓝（一个下棋的计算机程序）与当时的世界象棋冠军加·卡斯帕罗夫进行了一次六局的比赛。当时，深蓝只赢了六局中的一局，但第二年，它赢得了比赛。事实上，它只用了19步就赢得了最后一局。

深蓝与加·卡斯帕罗夫对弈现场

深蓝没有当今生成式人工智能的功能，但它可以以远超人脑的速度处理信息。在一秒钟内，它可以思考2亿个的棋步。

人工智能的增长
2000-2019

随着对人工智能的兴趣重燃，该领域在2000年开始显著增长。

Kismet
你可以追溯到1997年对“社交机器人”Kismet的研究，它能够识别和模拟人类情感，但这个项目2000年才得以实现。Kismet是在麻省理工学院的人工智能实验室中创建的，由辛西娅·布雷泽博士领导。Kismet包含传感器、麦克风和描述“人类情感过程”的程序。所有这些帮助机器人理解和模仿各种情感。

我认为人们往往害怕技术让我们变得不那么有人性，”布雷泽尔在2001年告诉麻省理工学院新闻，Kismet是对此的反驳——它真正体现了我们的人性。这是一个在社交互动中茁壮成长的机器人。”

NASA探测车
2004年火星离地球更近，因此NASA利用这一可航行的距离向火星发射了两辆探测车——“勇气”和“机遇号”。两者都配备了人工智能，帮助它们穿越火星上崎岖不平的地形，并在实时做出决策，而不是依靠人类的帮助。

IBM沃森
在IBM的深蓝程序成功击败世界象棋冠军多年后，该公司在2011年又创造了一个具有竞争力的计算机系统Watson，这个系统后来在美国热门问答节目《Jeopardy》中亮相。在首秀前，Watson 通过深度问答从百科全书和互联网中汲取了大量数据。

Watson被设计成能够接收自然语言问题并据此作出回答，它曾用这种方式击败了该节目有史以来最强大的两位选手肯·詹宁斯和布拉德·鲁特。

Watson 在节目中

Siri和Alexa
2011年关于iPhone产品的演示中，苹果展示了一个新功能：一个名为Siri的虚拟助手。三年后，亚马逊发布了其自主的虚拟助手Alexa。两者都具有自然语言处理功能，能够理解语音问题并给出回答。

2011年10月，苹果推出了语音助手Siri

然而，它们仍存在局限性。被称为“指令和控制系统”的Siri和Alexa能够理解大量问题，但无法回答任何不熟悉的问题。

杰弗里·辛顿和神经网络
计算机科学家杰弗里·辛顿在20世纪70年代攻读博士时就开始探索神经网络的想法(一种以类似于人脑的方式处理数据的人工智能系统)。但直到2012年，他和两名研究生在ImageNet竞赛中展示了自己的研究后，行业才看到了神经网络取得的进展。

杰弗里·辛顿

辛顿对神经网络和深度学习的研究——人工智能系统学习处理大量数据并做出准确预测的过程——为自然语言处理和语音等人工智能过程奠定了基础。辛顿的研究成果引发的热潮促使他在2013年加入谷歌。他最终在2023年辞职，以便能够更自由地谈论创造人工通用智能的危险。

索菲亚的公民身份
机器人技术从早期的Kismet时代迈出了重要一步，当时总部位于香港的汉森机器人公司在2016年创造了索菲亚，一个能够做出面部表情、开玩笑和与人交谈的“类人机器人”。由于其创新的人工智能和人类互动的能力，索菲亚成为全球现象，并经常出现在脱口秀节目中，包括像《今晚》这样的深夜节目。

类人机器人 —— 索菲亚

使事情复杂化的是，沙特阿拉伯在2017年授予索菲亚公民身份，使她成为第一个获得这一权利的人工智能生物。此举在沙特阿拉伯女性中引起了巨大争议，她们缺少索菲亚现在所享有的某些权利。

AlphaGo
围棋被认为是一种容易上手但难以精通的游戏，尤其是对计算机系统来说，由于其潜在位置的数量庞大，想要玩好围棋难上加难。有人说，围棋的复杂程度“比国际象棋复杂十亿亿倍”。尽管如此，由谷歌人工智能实验室DeepMind开发人工智能程序AlphaGo在2016年还是击败了当时世界上最优秀的围棋选手之一李世石。

AlphaGo是神经网络和高级搜索算法的结合体，使用一种名为强化学习的方法训练下围棋，这种方法在与自己对弈数百万盘棋局中不断增强其能力。当它击败李世石时，证明了人工智能可以解决曾经难以逾越的问题。

人工智能的当今浪潮
2020年至今

近年来的AI浪潮主要得益于生成式AI的发展，即AI根据文本提示文本、图像和视频的能力。与过去只能响应特定问题的系统不同，生成式AI能够从互联网上的各种材料（文档、照片等）不断学习。

OpenAI与GPT-3
AI研究公司OpenAI开发了生成式预训练转换器（GPT），这成为了其早期模型GPT-1和GPT-2的架构基础，这些模型是在数十亿个输入数据上训练出来的。尽管经过大量学习，它们独特文本响应的能力仍然有限。

相反，当GPT-3于2020年发布时，它引发了越来越多的轰动，并且标志着人工智能的一个重大进展，GPT-3是在1750亿个参数上训练出来的，远远超过了GPT-2的15亿个训练参数。

DALL-E
DALL-E 是 OpenAI 于 2021 年发布的一款文本到图像模型。用户使用自然语言文本提示 DALL-E 时，该程序会生成逼真且可编辑的图像。DALL-E 的第一个版本使用了AI 的 GPT-3 模型，并基于 120 亿个参数进行训练。

ChatGPT 发布
2022 年OpenAI 发布了 AI 聊天机器人 ChatGPT，它基于 GPT-3 模型，经过数十亿次输入训练，以提高其语言处理能力，因此与之前的聊天机器人相比，ChatGPT 与用户的互动方式更加逼真。用户可以使用 ChatGPT 来获得不同的，比如帮助编写代码或简历，克服写作障碍，或者进行研究。然而，与之前的聊天机器人不同，ChatGPT 可以提出后续问题识别不适当的提示。

生成式 AI 的发展
2023年是生成式人工智能的一个里程碑年份。不仅OpenAI发布了GPT-4，再次提升了其前代产品的能力，微软将ChatGPT整合到其搜索引擎必应中，谷歌也发布了其GPT聊天机器人Bard。

GPT-4 现在可以生成更加细致和富有创意的回答，并能参与越来越多的活动，比如通过律师资格考试等等。