從神學家到科學家，到作家，無數人都在向我們描繪AI，在幾百年的歷史長河中，AI的面容漸漸清晰。最近，《福布斯》發表文章，為AI修訂了一本“簡史”，透過這部“簡史”，人類可以理解AI的過去與現在，以及未來。

　　1308年：加泰羅尼亞詩人、神學家雷蒙·盧爾（Ramon Llull）發表作品《Ars generalis ultima》（意思就是最終的綜合藝術），詳細解釋了自己的理論：用機械方法從一系列概念組合中創造新知識。

　　面值1.30歐元，發行22萬枚的雷蒙紀念郵票

　　1666年：數學家和哲學家萊布尼茨（Gottfried Leibniz）出版《On the Combinatorial Art》，他繼承了雷蒙·盧爾的思想，萊布尼茨認為人類的所有創意全都來自于少量簡單概念的結合。

　　1726年：英國小說家喬納森·斯威夫特（Jonathan Swift）出版《格列佛游記》，他在書中描述了一臺名叫“Engine”的機器，這臺機器放在Laputa島。斯威夫特描述稱：“運用實際而機械的操作方法來改善人的思辨知識。”“最無知的人，只要適當付點學費，再出一點點體力，就可以不借助于任何天才或學力，寫出關于哲學、詩歌、政治、法律、數學和神學的書來。”

　　1763年：托馬斯·貝葉斯（Thomas Bayes）創造一個框架，可以用來推理事件的可能性。最終貝葉斯推理方法成為機器學習的主要理論。

　　1854年：喬治·布爾（George Boole）認為邏輯推理可以系統進行，就像解答方程式一樣。

　　1898年：在麥迪遜廣場花園舉行的電氣展覽會上，尼古拉·特斯拉（Nikola Tesla）展示世界第一艘無線電遙控船。按照特斯拉的描述，船只擁有“借來的思想”。

　　尼古拉·特斯拉（Nikola Tesla）的“遙控船”

　　1914年：西班牙工程師萊昂納多·托里斯·克維多（Leonardo Torres y Quevedo）展示世界上第一臺可以自動下象棋的機器，不需要人類干預，機器可以自動下國際象棋。

　　1921年：捷克作家卡雷爾·恰佩克（Karel apek）在他的作品《Rossum’s Universal Robots》中首次使用了“機器人（Robot）”一詞，這個詞匯來自于“robota（工作）”。

　　1925年：無線電設備公司Houdina Radio Control展示世界第一輛用無線控制的無人駕駛汽車，汽車可以在紐約街道上行駛。

　　1927年：科幻電影《大都會》（Metropolis）上映。在影片中，一位名叫Maria的農村女孩是機器人，她在2026年的柏林引起騷亂。這是機器人第一次出現在熒幕上，后來《星球大戰》中的“C-3PO”受到它的啟發。

　　最早的“機器人”形象Maria

　　1929年：西村真琴（Makoto Nishimura）設計出“Gakutensoku”，在日語中，該名稱的意思就是說“向自然之法學習”，它是日本制造的第一個機器人。機器人可以改變面部表情，可以通過空氣壓力機制移動頭部和手部。

　　1943年：沃倫·麥卡洛克（Warren S. McCulloch）和沃爾特·皮茨（Walter Pitts）在《數學生物物理學公告》上發表論文《神經活動中內在思想的邏輯演算》（A Logical Calculus of the Ideas Immanent in Nervous Activity）。這篇論文對后世影響巨大，它討論了理想化、簡化的人工神經元網絡，以及它們如何形成簡單的邏輯功能，后來誕生的計算機“神經網絡”（以及最后出現的深度學習）受到它的啟發，所謂的“模擬大腦”這一說法也來自于它。

　　1949年：埃德蒙·伯克利（Edmund Berkeley）出版《Giant Brains： Or Machines That Think》，他在書中寫道：“最近出現許多消息，談論的主題是奇怪的巨型機器處理信息，速度極快，技能很強……這種機器與大腦相似，由硬件和線纜組成，而不是血肉和神經……機器可以處理信息，可以計算、可以得出結論、可以選擇，還可以根據信息執行合理操作。總之，這臺機器可以思考。”

　　1949年：唐納德·赫布（Donald Hebb）發表《Organization of Behavior： A Neuropsychological Theory》，他提出一種理論：根據猜想學習，這些猜測與神經網絡高度關聯，隨著時間的推移，神經元突觸會得到強化或者削弱。

　　1950年：克勞德·香農（Claude Shannon）發表《編程實現計算機下棋》（Programming a Computer for Playing Chess），這篇論文第一次開始關注計算機象棋程序的開發問題。

　　1950年：阿蘭·圖靈（Alan Turing）發表論文《Computing Machinery and Intelligence》，他在論文中談到了“模仿游戲”這一概念，也就是廣為人知的“圖靈測試”。

　　“人工智能之父”阿蘭·圖靈（Alan Turing）

　　1951年：馬文·明斯基（Marvin Minsky）和迪恩·愛德蒙（Dean Edmunds）開發了SNARC，它是“Stochastic Neural Analog Reinforcement Calculator”的簡稱，意思是“隨機神經網絡模擬加固計算器”。SNARC是第一個人工神經網絡，用3000個真空管模擬40個神經元的運行。

　　1952年：阿瑟·薩繆爾（Arthur Samuel）開發出第一個計算機跳棋程序，它也是世界上第一個可以自己學習的程序。

　　1955年8月31日：專家在一份提案中首次提出“AI（人工智能，artificial intelligence）”這一術語，提案建議由10名專家組成小組，花2個月時間研究人工智能。這份提案是達特茅斯學院約翰·麥卡錫（John McCarthy）、哈佛大學馬文·明斯基（Marvin Minsky）、IBM納撒尼爾·羅徹斯特（Nathaniel Rochester）和貝爾電話實驗室克勞德·香農（Claude Shannon）聯合提交的。1956年7月和8月，討論會正式舉行，這次會議成為人工智能誕生的標志。

　　1955年12月：赫伯特·西蒙（Herbert Simon）和艾倫·紐厄爾（Allen Newell）開發了“Logic Theorist”，它是世界上第一個AI項目，在羅素和懷特海《數學原理》第二章有52個定理，AI可以證明其中的38個。

　　1957年：弗蘭克·羅森布拉特（Frank Rosenblatt）開發了“Perceptron”，它是一個人工神經網絡，可以利用兩層計算機學習網絡識別模式。《紐約時報》刊文稱，Perceptron是電子計算機的雛形，美國海軍預測未來它可以自己行走、可以說話、可以看見東西、可以書寫，還可以自己生產自己，能感知到自己的存在。《紐約客》認為它是一臺“了不起的機器……可以思考。”

　　1958年：約翰·麥卡錫（John McCarthy）開發了程序語言Lisp，它最終成為AI研究最流行的程序語言。

　　約翰·麥卡錫（John McCarthy）

　　1959年：阿瑟·薩繆爾（Arthur Samuel）創造了“機器學習”這一術語，他在論文中談到了一個程序，該程序可以讓計算機學習如何下棋，棋藝可以超越程序開發者。

　　1959年：奧利弗·賽弗里奇（Oliver Selfridge）發表論文《Pandemonium： A paradigm for learning》，他在論文中描述了一種處理模型，不需要預先設定，計算機就可以通過該模型識別新模式。

　　1959年：約翰·麥卡錫（John McCarthy）發表論文《Programs with Common Sense》。他在論文中談到了Advice Taker，這是一個程序，可以通過控制正式語言中的句子解決問題，它的終極目標是開發出可以像人類一樣從過往經歷不斷學習的程序。

　　1961年：第一臺工業機器人Unimate在新澤西州通用汽車的組裝線上投入使用。

　　1961年：詹姆斯·斯拉格（James Slagle）開發了SAINT（符號自動積分程序），這套啟發式程序可以有效解決大學一年級微積分符號整合問題。

　　1964年：丹尼爾·鮑勃羅（Daniel Bobrow）完成論文《Natural Language Input for a Computer Problem Solving System》，這是他在MIT的博士論文。鮑勃羅還開發了STUDENT，也就是自然語言理解計算機程序。

　　1965年：赫伯特·西蒙（Herbert Simon）預測在20年內，機器可以做人類所能做的事。

　　1965年：赫伯特·德雷福斯（Herbert Dreyfus）發表《Alchemy and AI》，他認為智力與計算機是不一樣的，有些限制無法打破，直接導致AI無法進步。

　　1965年，古德（I.J.Good）在《Speculations Concerning the First Ultraintelligent Machine》寫道：“第一臺超智能機器將是人類的最終發明，機器足夠溫順，完全可以告訴我們如何控制它。”

　　1965年：約瑟夫·維森班（Joseph Weizenbaum）開發了ELIZA，這是一個交互程序，它可以根據任何主題進行英文對話。一些人想將人類的感覺賦予計算機程序，對此維森班感到很震驚，他開發程序只是為了證明機器與人的交流很膚淺。

　　1965年：費根鮑姆（Edward Feigenbaum）、布魯斯·布坎南（Bruce G.Buchanan）、萊德伯格（Joshua Lederberg）和卡爾·杰拉西（Carl Djerassi）在斯坦福大學研究 DENDRAL，它是第一個專家系統，能夠自動做決策，解決有機化學問題，它的目的是研究假說信息，構建科學經驗歸納模型。

　　1966年：機器人Shakey誕生，它是第一款基于通用目的開發的移動機器人，可以按邏輯形成自有動作。1970年，《生活》雜志稱它是“第一個電子人“。文章還引用計算機科學家馬文·明斯基（Marvin Minsky）話稱：”3到8年之內，機器的智力就可以達到普通人的平均水平。“

　　1968年：電影《2001太空漫游》上映，電影中的角色Hal就是一臺有感知能力的計算機。

　　1968年：特里·維諾格拉德（Terry Winograd）開發了SHRDLU，它是一個理解早期語言的計算機程序。

　　1969年：阿瑟·布萊森（Arthur Bryson）和何毓琦（Yu-Chi Ho）在論文中描述稱，反向傳播可以作為多階段動態系統優化方法使用。這是一種學習算法，它可以應用于多層人工神經網絡，2000-2010年深度學習之所以大獲成功離不開它的啟發，在后來的日子里，計算機性能突飛猛進，可以適應巨大網絡的訓練。

　　1969年：馬文·明斯基（Marvin Minsky）和西摩爾·帕普特（Seymour Papert）聯合發表作品《Perceptrons： An Introduction to Computational Geometry》。1988年該書擴充再版，兩位作者在書中表示，1969年得出的結論明顯減少了神經網絡研究所需的資金。作者稱：“我們認為，由于缺少基本理論，研究已經基本處于停滯狀態……到了60年代，人們在認知器演算方面進行了大量實驗，但是沒有一個人可以解釋系統為何可以識別特定模式，而其它模式卻無法識別。”

　　1970年：第一個擬人機器人誕生，它就是WABOT-1，由日本早稻田大學開發，它包括了肢體控制系統、視覺系統、會話系統。

　　WABOT-1

　　1972年：MYCIN是一個早期專家系統，它可以識別引發嚴重傳染病的細菌，還可以推薦抗生素，該系統是斯坦福大學開發的。

　　1973年：詹姆斯·萊特希爾（James Lighthill）向英國科學研究委員會提交報告，介紹了AI研究的現狀，他得出結論稱：“迄今為止，AI各領域的發現并沒有帶來像預期一樣的重大影響。”最終政府對AI研究的熱情下降。

　　1976年：計算機科學家拉吉·瑞迪（Raj Reddy）發表論文《Speech Recognition by Machine： A Review》，它對自然語言處理（Natural Language Processing）的早期工作做了總結。

　　1978年：卡內基梅隆大學開發了XCON程序，這是一套基于規則開發的專家系統，可以輔助DEC VAX計算機，根據客戶的要求自動選擇組件。

　　1979年：在沒有人干預的情況下，Stanford Cart自動穿過擺滿椅子的房間，前后行駛了5小時，它相當于早期無人駕駛汽車。

　　1980年：日本早稻田大學研制出Wabot-2機器人，這是一個人型音樂機器人，可以與人溝通，可以閱讀樂譜，還可以演奏普通難度的電子琴。

　　1981年：日本國際貿易和工業部向“第五代計算機”項目投入8.5億美元，該項目只為開發出可以對話、翻譯語言、解釋圖片、像人一樣推理的計算機。

　　1984年：《電腦夢幻曲》（Electric Dreams ）電影上映，它講述了一名男子、一名女子和一臺電腦的三角戀故事。

　　1984年：在年度AAAI會議上，羅杰·單克（Roger Schank）和馬文·明斯基（Marvin Minsky）發出警告，他們認為“AI寒冬”已經來臨，AI泡沫很快就會破滅，AI投資與研究資金也減少，正如70年代出現的事情一樣。

　　1986年：在恩斯特·迪克曼斯（Ernst Dickmanns）的指導下，慕尼黑大學開發了第一輛無人駕駛汽車，這是一輛奔馳廂式貨車，配有攝像頭和傳感器，座位上沒有人，最高時速55英里。

　　1987年：蘋果當時的CEO斯卡利（John Sculley）在Educom發表主題演講，談到了“知識領航員”（Knowledge Navigator）的概念，他描述了一個誘人的未來：“我們可以用智能代理連接知識應用，代理依賴于網絡，可以與大量數字化信息聯系。”

　　1988年：朱迪亞·珀爾（Judea Pearl）發表了《Probabilistic Reasoning in Intelligent Systems》，2011年珀爾獲得圖靈獎，頒獎詞介紹稱：“朱迪亞·珀爾為不確定條件下處理信息找到了具象特征，奠定了計算基礎。人們認為他是貝葉斯網絡的發明人，貝葉斯網絡是一套數據形式體系，可以確定復雜的概率模型，還可以成為這些模型推斷時的主導算法。”

　　1988年：羅洛·卡彭特（Rollo Carpenter）開發了聊天機器人Jabberwacky ，它可以用有趣、娛樂、幽默的形式模擬人類對話。利用與人互動的方法開發AI，卡彭特做出了獨特的嘗試。

　　1988年：IBM沃森研究中心發表《A statistical approach to language translation》，它標志著過渡的開始，以前我們采用的是基于規則的機器翻譯概率法，它開始向“機器學習”轉移，機器學習是以已知案例的數據分析作為基礎的，而不是對手上任務的理解。IBM的項目名叫Candide，它可以成功在英語和法語之間翻譯，這套系統以220萬對句子作為基礎。

　　1988年：馬文·明斯基（Marvin Minsky）和西摩爾·帕普特（Seymour Papert）出版了圖書《Perceptrons》，這本書1969年首次出版，1988年擴充后再版。兩人解釋了再版的原因：“AI領域的研究為何沒有取得突破？因為研究人員不熟悉歷史，老是犯一些前人已經犯過的錯誤。”

　　1989年：燕樂存（Yann LeCun）與AT&T貝爾實驗室的其它研究人員攜手合作，成功將反向傳播算法應用于多層神經網絡，它可以識別手寫郵編。由于當時的硬件存在限制，訓練神經網絡花了3天。

　　1990年：羅德尼·布魯克斯（Rodney Brooks）發表了《lephants Don’t Play Chess》，他提出了新的AI方法：利用環境交互重新打造智能系統和特殊機器人。布魯克斯稱：“世界就是我們的最佳模型……關鍵在于正確感知它，保持足夠高的頻率。”

　　1993年：弗農·溫格（Vernor Vinge）發表了《The Coming Technological Singularity》，他預測在30年之內，我們可以用技術創造出超智者，簡言之，人類將會終結。

　　1995年：理查德·華萊士（Richard Wallace）開發了聊天機器人 A.L.I.C.E（Artificial Linguistic Internet Computer Entity的縮寫），它受到了ELIZA的啟發，由于互聯網已經出現，網絡為華萊士提供了海量自然語言數據樣本。

　　1997年：賽普·霍克賴特（Sepp Hochreiter）和于爾根·施密德胡伯（Jürgen Schmidhuber）提出了LSTM概念（長短期記憶），今天的遞歸神經網絡就是用這種方法開發的，它可以識別手寫筆跡，還可以識別語音。

　　1997年：IBM研發的“深藍”（Deep Blue）擊敗人類象棋冠軍。

　　被深藍擊敗的國際象棋冠軍卡斯帕羅夫

　　1998年：戴夫·漢普頓（Dave Hampton）和鐘少男（Caleb Chung）開發了Furby，它是第一款家庭機器人，或者說是寵物機器人。

　　1998年：燕樂存（Yann LeCun）與人合作發表論文，談到了用神經網絡識別手寫筆跡的問題，還談到了優化向后傳播的問題。

　　2000年：MIT研究人員西蒂亞·布雷澤爾（Cynthia Breazeal）開發了Kismet，它是一個可以識別、模擬表情的機器人。

　　2000年：本田推出了ASIMO，它是一個人工智能擬人機器人，可以像人類一樣快速行走，在餐館內可以將盤子送給客人。

　　2001年：斯皮爾伯格拍攝的電影《人工智能》上映，影片中一個機器人很像人類小孩，他的程序很獨特，擁有愛的能力。

　　2004年：第一屆DARPA自動駕駛汽車挑戰賽在莫哈韋沙漠舉行，可惜沒有一輛自動駕駛汽車完成150英里的挑戰目標。

　　2006年：杰弗里·辛頓（Geoffrey Hinton）發表《Learning Multiple Layers of Representation》，他首次提出了“機器閱讀”這一術語，所謂機器閱讀就是說系統不需要人的監督就可以自動學習文本。

　　2007年：杰弗里·辛頓（Geoffrey Hinton）發表《Learning Multiple Layers of Representation》，根據他的構想，我們可以開發出多層神經網絡，這種網絡包括自上而下的連接點，可以生成感官數據訓練系統，而不是用分類的方法訓練。辛頓的理論指引我們走向深度學習。

　　2007年：李飛飛（Fei Fei Li ）和普林斯頓大學的同事攜手合作，開始研究ImageNet，這是一個大型數據庫，由大量帶注解的圖片組成，旨在為視覺對象識別軟件研究提供輔助。

　　2009年：Rajat Raina、阿南德·馬德哈邁（Anand Madhavan）和吳恩達（Andrew Ng）發表論文《Large-scale Deep Unsupervised Learning using Graphics Processors》，他們認為“現代圖形處理器的計算能力遠超多核CPU，GPU有能力為深度無監督學習方法帶來變革。”

　　2009年：谷歌開始秘密研發無人駕駛汽車，2014年，谷歌在內華達州通過了自動駕駛測試。

　　2009年，西北大學智能信息實驗室的研究人員開發了Stats Monkey，它是一款可以自動撰寫體育新聞的程序，不需要人類干預。

　　2010年：ImageNet大規模視覺識別挑戰賽（ILSVCR）舉辦。

　　2011年：在德國交通標志識別競賽中，一個卷積神經網絡成為贏家，它的識別率高達99.46%，人類約為99.22%。

　　2011年：IBM開發的自然語言問答計算機沃森在“危險邊緣”（Jeopardy！）中擊敗兩名前冠軍。

　　2011年：瑞士Dalle Molle人工智能研究所發布報告稱，用卷積神經網絡識別手寫筆跡，錯誤率只有0.27%，之前幾年錯誤率為0.35-0.40%，進步巨大。

　　2012年6月：杰夫·迪恩（Jeff Dean）和吳恩達（Andrew Ng）發布報告，介紹了他們完成的一個實驗。兩人向大型神經網絡展示1000萬張未標記的圖片，這些圖片是隨機從YouTube視頻中抽取的，發現當中的一個人工神經元對貓的圖片特別敏感。

　　2012年10月：多倫多大學設計的卷積神經網絡參加ImageNet大規模視覺識別挑戰賽（ILSVCR），它的錯誤率只有16%，比往年25%的錯誤率大幅改進。

　　2016年3月：谷歌DeepMind研發的AlphaGo擊敗圍棋冠軍李世石。

　　2017年3月：谷歌在舊金山舉行的Cloud Next大會上宣布推出新的機器學習API，該API支持自動識別視頻中的物體，使得它們變得可以搜索。該名為視頻智能（Video Intelligence）的API將可以讓開發者開發能夠自動識別視頻中的物體的應用程序。