AI 史上 12 个改变游戏规则的时刻

从艾伦·图灵的开创性论文到 ChatGPT 的出现，以下是人工智能历史上的 12 个关键时刻。

当您通过我们网站上的链接购买时，我们可能会赚取联属佣金。这是它的工作原理。

由于强大的新型人工智能聊天机器人和图像生成器的出现，人工智能（AI）已经进入公众意识。但该领域有着悠久的历史，可以追溯到计算的黎明。考虑到人工智能在未来几年将如何改变我们的生活方式，了解这个快速发展领域的根源至关重要。以下是人工智能历史上 12 个最重要的里程碑。

1950 年 — 阿兰·图灵的开创性人工智能论文

英国著名计算机科学家艾伦·图灵发表了一篇题为“计算机器与智能”的论文，这是对该问题的最早的详细研究之一。机器能思考吗？”。 

回答这个问题需要您首先解决定义“机器”和“思考”的挑战。因此，他提出了一个游戏：观察者会观看机器和人类之间的对话，并尝试确定哪个是哪个。如果他们不能可靠地做到这一点，机器就会赢得比赛。虽然这并不能证明机器正在“思考”，但从那时起，图灵测试（后来被称为）就一直是人工智能进步的重要标准。

1956 — 达特茅斯研讨会

人工智能作为一门科学学科的根源可以追溯到 1956 年在达特茅斯学院举办的达特茅斯夏季人工智能研究项目。参与者是一些有影响力的计算机科学家名人，包括约翰·麦卡锡 (John McCarthy)、马文 (Marvin)明斯基和克劳德·香农。这是第一次使用“人工智能”一词，因为该小组花了近两个月的时间讨论机器如何模拟学习和智能。这次会议启动了对人工智能的认真研究，并为接下来几十年的许多突破奠定了基础。

1966 - 第一个人工智能聊天机器人

麻省理工学院研究员 Joseph Weizenbaum 推出了有史以来第一个人工智能聊天机器人，称为 ELIZA。底层软件是基于在提示中检测到的关键字的简单且重复的预设响应。尽管如此，当魏森鲍姆将 ELIZA 编程为心理治疗师时，据报道人们对对话的说服力感到惊讶。这项工作激发了人们对自然语言处理日益增长的兴趣，其中包括美国国防高级研究计划局 (DARPA)，该机构为早期人工智能研究提供了大量资金。

1974-1980——第一个“人工智能冬天”

没过多久，人们对人工智能的早期热情就开始消退。 20 世纪 50 年代和 1960 年代是该领域的繁荣时期，但在他们的热情中，领先的专家对机器在不久的将来能够做什么做出了大胆的断言。该技术未能满足这些期望导致了日益增长的不满。英国数学家詹姆斯·莱特希尔对该领域的一份高度批评的报告导致英国政府削减了几乎所有人工智能研究资金。 DARPA 也在此时大幅削减资金，导致了所谓的第一个“人工智能冬天”。 

1980 年——“专家系统”风潮

尽管许多方面对人工智能的幻想破灭，但研究仍在继续——到 20 世纪 80 年代初，这项技术开始引起私营部门的关注。 1980 年，卡内基梅隆大学的研究人员为数字设备公司构建了一个名为 R1 的人工智能系统。该程序是一个“专家系统”——研究人员自 20 世纪 60 年代以来一直在尝试的一种人工智能方法。这些系统使用逻辑规则通过专业知识的大型数据库进行推理。该计划每年为公司节省了数百万美元，并掀起了专家系统行业部署的热潮。

1986 — 深度学习的基础

迄今为止，大多数研究都集中在“符号”人工智能上，它依赖于手工逻辑和知识数据库。但自从该领域诞生以来，也出现了一系列受大脑启发的“联结主义”方法的竞争性研究。这种情况一直在幕后悄然发生，并最终在 20 世纪 80 年代曝光。这些技术不是手工对系统进行编程，而是通过数据训练来诱导“人工神经网络”学习规则。理论上，这将带来更灵活的人工智能，不受制造商先入之见的限制，但事实证明训练神经网络具有挑战性。 1986 年，后来被称为“深度学习教父”之一的杰弗里·辛顿 (Geoffrey Hinton) 发表了一篇论文，推广“反向传播”——当今大多数人工智能系统的训练技术。

1987-1993——第二个人工智能冬天

继 20 世纪 70 年代的经历后，明斯基和人工智能研究员罗杰·尚克 (Roger Schank) 警告称，人工智能炒作已经达到了不可持续的水平，该领域面临再次撤回的危险。他们在 1984 年人工智能促进协会会议的小组讨论中创造了“AI 冬天”一词。事实证明，他们的警告是有先见之明的，到 20 世纪 80 年代末，专家系统及其专用人工智能硬件的局限性开始变得明显。行业在人工智能上的支出大幅减少，大多数新兴的人工智能公司都破产了。

1997 — 深蓝击败加里·卡斯帕罗夫

尽管经历了反复的繁荣和萧条，人工智能研究在 20 世纪 90 年代仍取得了稳步进展，但很大程度上是在公众视野之外。 1997 年，情况发生了变化，深蓝（IBM 构建的专家系统）在六场系列赛中击败了国际象棋世界冠军加里·卡斯帕罗夫 (Garry Kasparov)。长期以来，人工智能研究人员一直将复杂游戏中的能力视为进步的关键标志。因此，击败世界上最好的人类玩家被视为一个重要的里程碑，并成为世界各地的头条新闻。

2012年——AlexNet迎来深度学习时代

尽管有丰富的学术工作，但神经网络被认为对于现实世界的应用来说是不切实际的。为了发挥作用，它们需要拥有多层神经元，但在传统计算机硬件上实现大型网络效率极低。 2012年，Hinton的博士生Alex Krizhevsky凭借名为AlexNet的深度学习模型以大幅优势赢得了ImageNet计算机视觉竞赛。秘密在于使用称为图形处理单元（GPU）的专用芯片，它可以有效地运行更深层次的网络。这为深度学习革命奠定了基础，从那时起，深度学习革命就推动了大多数人工智能的进步。

2016 — AlphaGo 击败李世石

尽管人工智能已经将国际象棋抛在了后视镜中，但复杂得多的中国棋盘游戏围棋仍然是一个挑战。但在 2016 年，Google DeepMind 的 AlphaGo 在五场系列赛中击败了世界上最伟大的围棋棋手之一李世石 (Lee Sedol)。专家们认为这一壮举还需要数年时间才能实现，因此这一结果导致人们对人工智能的进步越来越兴奋。这部分是由于 AlphaGo 底层算法的通用性质，该算法依赖于一种称为“强化学习”的方法。在这项技术中，人工智能系统通过反复试验有效地学习。 DeepMind 后来扩展并改进了创建 AlphaZero 的方法，它可以自学玩各种各样的游戏。

2017 — Transformer 架构的发明

尽管计算机视觉和游戏方面取得了重大进展，但深度学习在语言任务方面的进展却较慢。然后，在 2017 年，谷歌研究人员发布了一种名为“变压器”的新型神经网络架构，它可以摄取大量数据并在遥远的数据点之间建立连接。事实证明，这对于复杂的语言建模任务特别有用，并且使得创建能够同时处理各种任务（例如翻译、文本生成和文档摘要）的人工智能成为可能。当今所有领先的人工智能模型都依赖于这种架构，包括 OpenAI 的 DALL-E 等图像生成器，以及 Google DeepMind 的革命性蛋白质折叠模型 AlphaFold 2。

2022 年 – ChatGPT 推出

2022 年 11 月 30 日，OpenAI 发布了一款由 GPT-3 大语言模型支持的聊天机器人。该工具被称为“ChatGPT”，引起了全球轰动，在不到一周的时间内吸引了超过 100 万用户，并在接下来的一个月内吸引了 1 亿用户。这是公众第一次能够与最新的人工智能模型进行互动，大多数人都被震撼了。该服务被誉为开启了人工智能热潮，该领域已投资数十亿美元，并催生了众多大型科技公司和初创公司的模仿者。这也导致人们对人工智能进步的步伐越来越感到不安，促使著名技术领导者发表公开信，呼吁暂停人工智能研究，以便有时间评估该技术的影响。