人工智能发展史上的114个里程碑

光子盒研究院出品

65年前，10位计算机科学家在美国新罕布什尔州的达特茅斯(Dartmouth)召开了人工智能研讨会。人工智能在此前一年的研讨会提案中被定义为“让机器按照人类的行为方式做出智能行为”。

正是这一事件使得人工智能开始作为一门研究学科。从上世纪五六十年代的符号人工智能，到上世纪七八十年代的统计分析和机器学习，再到今天的深度学习，即对“大数据”的统计分析，该学科发展到包括多种方法。但是，人们对开发实用方法以使机器表现得像人类的关注早在7个世纪前就已经出现了。

HAL(启发式编程算法计算机)9000，一种有感知能力的通用人工智能…

1308年，加泰罗尼亚诗人和神学家雷蒙·卢尔(Ramon Llull)出版了《Ars generalis ultima》(极限的综合艺术)，进一步完善了他通过机械手段用简单的逻辑操作将概念进行组合，进而获取新知识的方法。

1666年，数学家和哲学家戈特弗里德·莱布尼茨(Gottfried Leibniz)发表了《论组合的艺术》，继承并发展了雷蒙·卢尔的思想，他提出了人类思想的字母表——将人类思想进行编码，并认为所有的思想都不过是少量的简单概念的组合。

1726年，乔纳森·斯威夫特(Jonathan Swift)出版了《格列佛游记》，书中描述了勒皮他岛(Laputa)上的一个机器”(它是对卢尔想法的一种简单的模仿)：“一个通过实践和机械操作来提高思辨知识的项目。”通过这种发明，“即使是最无知的人，只要付出合理的学费和一点体力劳动，也可以不借助天赋和知识写出哲学、诗歌、政治、法律、数学和神学方面的书籍。”

1755年，塞缪尔·约翰逊(Samuel Johnson)在《约翰逊字典》中定义智能为“信息商业；公告；相互沟通；叙述遥远或谨慎的事情。”

1763年，托马斯·贝叶斯(Thomas Bayes)创造了一个关于事件概率推理的框架。贝叶斯推理成为了机器学习的主要方法。

1854年，乔治·布尔(George Boole)认为逻辑推理过程可以像解方程组一样系统地进行。

1865年，理查德·米勒·德文斯(Richard Millar Devens)在《商业趣闻百科全书》中讲述了了银行家亨利·弗内塞(Henry Furnese)爵士是如何通过先于竞争对手接收和处理信息而获利的:在荷兰、佛兰德斯、法国和德国，他保持着完整且完美的商业智慧。

1898年，在麦迪逊广场花园举行的电气展览会上，尼古拉·特斯拉(Nikola Tesla)展示了世界上第一台无线电波遥控船只。特斯拉称他的船配备了“借来的大脑”。

1910年，比利时律师保罗·奥特(Paul Otlet)和亨利·拉方丹(Henri La Fontaine)建立了世界馆(the Mundaneum)，他们想通过世界馆收集世界上所有的知识，并根据他们的通用十进制图书分类法进行分类。

1914年，西班牙工程师莱昂纳多·托里斯·克维多(Leonardo Torres y Quevedo)示范了全球第一台自动象棋机，这台机器能够在无人干预的情况下自动下棋。

1921年，捷克作家卡雷尔·恰佩克(Karel Čapek)在其戏剧《罗森的通用机器人》中首次使用“机器人(robot)”一词。这个词是从波兰语“robota(工作)”变化而来的。

1925年，胡迪纳无线电控制公司造出了一辆无线电控制的无人驾驶汽车，并且开上了纽约的街道。

1927年，科幻电影《大都会》上映。这是机器人形象第一次登上大荧幕，还启发了《星球大战》中C-3PO的角色。

科幻电影《大都会》

1929年，西村真琴(Makoto Nishimura)设计了Gaktensoku——日语的意思是“学习自然法则”，这是日本制造的第一个机器人。这个机器人可以通过气压机制改变面部表情、移动头部和手臂。

1937年，英国科幻作家赫伯特·乔治·威尔斯(H.G. Wells)预言，“很可能在短时间内可以让每个人获得人类的全部记忆”，“世界上任何地方的任何学生都可以在自己方便的情况下，坐在自己书房里的缩微胶片投影机旁，查看精确复制的任何书籍、文件。”

1943年，沃伦·麦卡洛克(Warren S. McCulloch)和沃尔特·皮茨(Walter Pitts)在《数学生物物理学会刊》上发表了《神经活动中内在思想的逻辑演算》。他们在这篇颇有影响力的论文中讨论了理想化和简化的人工“神经元”网络，以及它们如何执行简单的逻辑功能。这篇论文启发了基于计算机的“神经网络”(以及后来的“深度学习”)及其流行的描述“模仿大脑”的产生。

1947年，统计学约翰·W·图克(John W. Tukey)创造了术语“位”(或“比特”)来表示二进制数字，它是计算机中存储的信息单位。

1949年，埃德蒙·伯克利(Edmund Berkeley)出版了《巨型大脑；或，会思考的机器》一书，他在书中写道：“最近有许多关于奇怪巨型机器的传闻，传闻称这种机器能极快速和熟练地处理信息……这些机器就像是由硬件和电线而不是肌肉和神经构成的大脑……它可以计算、总结和选择；它可以利用信息进行合理的操作。因此，称这样一台机器能思考并不为过。”

1949年，唐纳德·赫布(Donald Hebb)发表《行为的组织：一种神经心理学理论》，他提出了一个关于学习的理论，该理论基于对神经网络和突触能力随时间增强或减弱而进行推测。

1950年，克劳德·香农(Claude Shannon)的“设计计算机国际象棋程序”是关于开发国际象棋计算机程序的第一篇发表的文章。

1950年，艾伦·图灵(Alan Turing)发表了《计算机器与智能》，他在文中提出了“模仿游戏”，它后来被称为“图灵测试”。

Alan Turing

1951年，马文·明斯基(Marvin Minsky)和迪恩·爱德蒙(Dean Edmunds)建立了第一个人工神经网络——SNARC(随机神经网络模拟加固计算器)，用了3000个真空管来模拟40个神经元规模的网络。

1952年，阿瑟·塞缪尔(Arthur Samuel)开发了第一个计算机跳棋程序和第一个能够自主学习的计算机程序。

1955年8月31日，“人工智能”(artificial intelligence)一词在一份“2个月、10人的人工智能研究”，即关于召开国际人工智能会议的提案中被提出。该份提案由约翰·麦卡锡(John McCarthy)(达特茅斯学院)、马文·明斯基(Marvin Minsky)(哈佛大学)、纳撒尼尔·罗彻斯特(Nathaniel Rochester)(IBM)和克劳德·香农(Claude Shannon)(贝尔电话实验室)联合递交。一年后，即1956年7月、8月，达特茅斯会议召开，这次会议被认为是开辟了人工智能这个研究领域的历史性事件。

达特茅斯会议参会人员合影

1955年12月赫伯特·西蒙(Herbert Simon)和艾伦·纽维尔(Allen Newell)开发了第一个人工智能程序“逻辑理论家”，该程序最终证明了怀特黑德(Whitehead)和罗素(Russell)的《数学原理》中前52个定理中的38个定理。

1957年，弗兰克·罗森布拉特(Frank Rosenblatt)开发了感知器，它是一种早期的人工神经网络，能够基于两层计算机学习网络实现模式识别。《纽约时报》报道称感知机是“电子计算机的雏形，海军期望它能够走路、说话、看东西、写作、自我复制并意识到自己的存在。”《纽约客》称其为“了不起的机器……能够进行思考。”

1957年，在电影《电脑风云》中，一位“方法工程师”安装了虚构的计算机EMERAC，图书管理员主任告诉研究部的焦虑的同事：“他们不能造一台机器来做我们的工作；我们的工作有太多的相互参照的地方了。”

1958年，汉斯·彼得·卢恩（ Hans Peter Luhn）在《IBM研究与发展杂志》上发表《商业智能系统》。文中描述了一种“为科学家和工程师提供当前感知服务的自动方法”。

1958年，约翰·麦卡锡(John McCarthy)开发了编程语言Lisp。此后Lisp成为人工智能研究中最流行的编程语言。

John McCarthy

1959年，阿瑟·塞缪尔(Arthur Samuel)创造了“机器学习”这个术语，“给电脑编程后，电脑通过学习能比编程者下跳棋更厉害。”

1959年，奥利弗·塞尔弗里奇(Oliver Selfridge)发表了文章《Pandemonium: A paradigm for learning》。他描述了一个模型，通过这个模型，计算机可以识别没有预先指定的模式。

1959年，约翰·麦卡锡(John McCarthy)发表了文章《Programs with Common Sense》，他在其中描述了“提问者”的概念，它是一种通过使用正式语言处理句子来解决问题的程序，其最终目标是使程序“能像人类一样有效地从它们自己的经验中学习”。

1961年，第一个工业机器人Unimate开始在新泽西州通用汽车工厂的装配线上工作。

1961年，詹姆斯·斯拉格(James Slagle)开发了SAINT (符号自动积分器)，它是一个解决计算中符号整合问题的启发式程序。

1962年，统计学家约翰·W·图克(John W. Tukey)在《数据分析的未来》中写道:“数据分析及其相关的统计部分必须……呈现科学的特征，而不是数学的特征……数据分析本质上是一门实证科学。”

1964年，丹尼尔·鲍勃罗(Daniel Bobrow)完成了他在麻省理工学院的博士论文，论文题为“用于计算机问题解决系统的自然语言输入”，并开发了一个名叫“STUDENT”的自然语言理解程序。

1964年8月16日，艾萨克·阿西莫夫(Isaac Asimov)在《纽约时报》上写道：“1964年世界博览会上的IBM展览……致力于展示计算机令人惊叹的复杂性，特别是在将俄语翻译成英语的任务中。”如果今天的机器都那么智能，那么50年后有什么不可能出现的呢?通讯将变成视觉与听觉的交流，你打电话时既能听到又能看到那个人。屏幕不仅可以用来查看你打电话的人，还可以用来研究文件和照片，以及阅读书籍中的段落。”

1965年，赫伯特·西蒙(Herbert Simon)预言“机器将在20年内能够做任何人类能做的工作。”

1965年，休伯特·德雷福斯(Hubert Dreyfus)发表了《炼金术与人工智能》一书，他认为大脑和计算机不一样，人工智能的发展有极限。

1965年，I.J. 古德(I.J. Good)在《关于第一台超智能机器的推测》中写道：“第一台超智能机器是人类需要创造的最后一项发明，这个前提是机器足够温顺——我们能够完全控制它。”

1965年，约瑟夫·维森班(Joseph Weizenbaum)开发了ELIZA，它是一个能够用英语就任何话题进行对话的互动程序。维森班想要证明人与机器之间的交流是肤浅的，他对将类人情感归因于计算机程序的人数之多感到惊讶。

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。这是历史上第一个专家系统，它自动化了有机化学家的决策过程和解决问题的行为，它的总体目标是研究假设的形成和构建科学中的经验归纳模型。

1966年，机器人Shakey是第一个能够对自己的行为进行推理的通用移动机器人。

1970年，《生活》杂志在一篇关于这位“第一个电子人”的文章中引用了马文·明斯基(Marvin Minsky)的话，他“确信”预言：“再过3到8年，我们将会生产出一台达到普通人智力水平的机器。”

1968年，电影《2001太空漫游》上映，片中的哈尔(HAL)9000是一个有感情的计算机。

电影《2001太空漫游》

1968年，特里·维诺格拉德(Terry Winograd)开发了SHRDLU——一个早期的自然语言理解计算机程序。

1969年，阿瑟·布莱森(Arthur Bryson)和何毓琦(Yu-Chi Ho)描述了反向传播作为一种多阶段动态系统优化方法，可用于多层人工神经网络。后来当计算机的运算能力已经足够先进到可以进行大型的网络训练时，它对2000年至今深度学习的发展做了突出贡献。

1969年，马文·明斯基(Marvin Minsky)和西摩尔·帕普特(Seymour Papert)出版了《感知机：计算几何导论》，强调了简单神经网络的局限性。在1988年出版的扩展版中，他们回应了1969年的结论大大减少了神经网络研究经费的说法：“我们的观点是，由于缺乏足够的基础理论，进展实际上已经停止了……到20世纪60年代中期，已经有了大量关于感知机的实验，但没有人能够解释为什么他们能够识别某些类型的模式，而不能识别其他类型的模式。”

Marvin Minsky

1970年，日本早稻田大学造出第一个拟人化机器人WABOT-1。它由一个肢体控制系统、一个视觉系统和一个对话系统组成。

1971年，迈克尔·斯图尔特·斯科特·莫顿(Michael S. Scott Morton)出版了《管理决策系统：基于计算机的决策支持》一书，书中总结了他对计算机和分析模型可以帮助管理者做出关键决策的各种方法的研究。

1971年，阿瑟·米勒(Arthur Miller)在《侵犯隐私》一书中写道：“太多的信息处理程序衡量一个人都是衡量他的个人档案所占储存空间的比特数。

1972年，斯坦福大学开发了MYCIN系统，它是早期一种鉴定导致严重感染的细菌并推荐抗生素的专家系统。

1973年，詹姆斯·莱特希尔(James Lighthill)向英国科学研究委员会作了有关国家人工智能研究的报告，报告的结论是“迄今为止，该领域没有产生任何重大影响”，结果导致政府大幅减少了对人工智能研究的资金支持。

1976年，计算机科学家拉吉·瑞迪(Raj Reddy)在IEEE学报上发表了“机器语音识别：综述”，对自然语言处理(NLP)的早期工作做了总结。

1978年，卡耐基梅隆大学开发了XCON (专家配置)程序，这是一个基于规则的专家系统，它可以通过根据客户需求自动选择组件，来协助美国数字设备公司(DEC)定制VAX计算机。

1979年，斯坦福大学的自动驾驶汽车Stanford Cart在无人干预的情况下，在大约5个小时内成功穿过一个装满椅子的房间，这使它成为最早的自动驾驶汽车之一。

1979年，福岛邦彦(Kunihiko Fukushima)开发了一种神经认知机(Neocognitron)，它是一种分层的多层人工神经网络。

1980年，I.A.乔姆斯兰(I.A. Tjomsland)将帕金森第一定律应用于存储行业，他认为：“为了填满可用空间，数据可以扩展。”

1980年，日本早稻田大学制造了Wabot-2音乐人形机器人，它能与人交流、能读乐谱、能在电子琴上演奏普通难度的曲调。

1981年，日本国际贸易和工业部提供8.5亿美元用于第五代计算机项目研究。该项目旨在开发能像人类一样进行对话、翻译、识别图片和推理的计算机。

1981年，中国人工智能学会成立。

中国人工智能学会logo

1984年，电影《电脑梦幻曲》上映，这部电影讲述了一男一女和一台个人电脑之间的三角恋。

1984年，在美国人工智能协会(AAAI)的年度会议上，罗杰·尚克(Roger Schank)和马文·明斯基(Marvin Minsky)警告 “人工智能冬天”即将到来，他们预测人工智能的泡沫会破裂(三年后确实发生了)，投资和研究的资金也会像20世纪70年代中期那样减少。

1985年，Metaphor Computer Systems公司为宝洁公司开发了第一个商业智能系统，它能使零售扫描仪数据连入到销售信息中。

1986年，第一辆无人驾驶汽车，在恩斯特·迪克曼斯(Ernst Dickmanns)的指导下在慕尼黑联邦国防军大学制造，它是一辆装有摄像头和传感器的梅赛德斯-奔驰面包车，它在空旷的街道上能以每小时55英里的速度行驶。

1986年10月，大卫·鲁梅尔哈特(David Rumelhart)、杰弗里·辛顿(Geoffrey Hinton)和罗纳德·威廉姆斯(Ronald Williams)发表了《通过反向传播错误来学习表征》，他们在文中描述了“一种新的学习程序”，该程序可用于神经元样单元网络的反向传播。

1987年，苹果首席执行官约翰·斯卡利(John Sculley)在Educom会议发表主题演讲时，他播放的视频《知识导航员》中有一个设想的未来——知识应用程序将由智能代理连接到大量数字化信息的网络，从而人们能访问这些程序。

1988年朱迪亚·珀尔(Judea Pearl)出版了《智能系统中的概率推理》。2011年图灵奖给他的颁奖词中写道：“朱迪亚·珀尔为不确定性下的信息处理创造了表征和计算基础。他发明了贝叶斯网络，这是一种定义复杂概率模型的数学形式，以及用于这些模型中推理的主要算法。这项工作不仅彻底改变了人工智能领域，而且也成为许多其他工程和自然科学分支的重要工具。”

1988年，罗洛·卡彭特(Rollo Carpenter)开发了聊天机器人Jabberwacky，它能模仿人类以有趣、娱乐和幽默的方式聊天。” 这是通过人类互动创造人工智能的早期尝试。

1988年，IBM的T.J.沃森研究中心的成员发表了《语言翻译的统计方法》，这预示着机器翻译从基于规则的方法向概率方法的转变，基于对已知示例的统计分析，而不是对当前任务的理解，反映了向“机器学习”的广泛转变。(IBM的Candide项目，成功地翻译了英语和法语，翻译的基础是220万对句子，这些句子中的大部分来自加拿大议会的双语程序)。

1988年，马文·明斯基(Marvin Minsky)和西摩尔·帕普特(Seymour Papert)出版了两人1969年作品《感知机》扩展版。他们在《序言：1988年的观点》中写道：“不熟悉人工智能历史的研究人员继续犯着许多别人已经犯过的错误，导致了这一领域的进展如此缓慢。”

1989年，杨立昆(Yann LeCun)和贝尔实验室的其他研究人员成功地将反向传播算法应用于多层神经网络，实现了手写邮政编码的识别。考虑到当时的硬件限制，他们大约花了三天时间来调试网络，与早期的努力相比，这仍然是一个显著的改进。

1989年3月蒂姆·伯纳斯-李(Tim Berners-Lee)写了《信息管理：一个建议》，并在欧洲核子研究组织(CERN)传播。

1990年，罗德尼·布鲁克斯(Rodney Brooks)出版了《大象不会下棋》，他提出了一种新的人工智能构建智能系统，特别是机器人的方法, 该方法要求与环境的持续物理互动的基础上从零开始。他说：“这个世界是人工智能最好的模型……关键是要经常适当地感知世界。”

1990年10月，蒂姆·伯纳斯-李(Tim Berners-Lee)开始在他的新NeXT电脑上为一个客户端程序编写代码，该程序是一个浏览器/编辑器，他将其称为万维网。

1993年，维诺·温格(Vernor Vinge)出版了《即将到来的技术奇点》一书，他在书中预言“在30年内，我们将拥有创造超人智能的技术手段。”不久之后，人类时代将终结。”

1994年9月，《商业周刊》在封面上发表了一篇关于“数据库营销”的文章：“公司正在收集关于你的大量信息，通过分析来预测你购买一种产品的可能性，然后利用这些信息来精心制作一份精确校准的营销信息，进而让你购买……许多公司认为，他们别无选择，只能勇敢地追赶数据库营销的前沿。”

1995年，受约瑟夫·魏森鲍姆(Joseph Weizenbaum)的ELIZA程序的启发，理查德·华莱士（Richard Wallace）开发了聊天机器人A.L.I.C.E(人工语言互联网计算机实体)，并且由于网络的出现，他使自然语言样本数据收集的规模增加到了前所未有的水平。

1997年，赛普·霍克赖特(Sepp Hochreiter)和于尔根·施密德胡伯(Jürgen Schmidhuber提出了长短期记忆(LSTM)的概念，它是一种目前用于手写识别和语音识别的循环神经网络。

1997年10月，迈克尔·考克斯(Michael Cox)和戴维·埃尔斯沃思(David Ellsworth)在IEEE第八届可视化会议上发表了《应用程序控制的内核外可视化需求分页》。他们在文章的开头写道：“可视化为计算机系统提供了一个有趣的挑战：数据集通常相当大，大到主内存、本地磁盘甚至远程磁盘的容量都很难满足。”我们将其称为大数据问题。当数据集不适合主内存(核心)，或当它们甚至不适合本地磁盘时，最常见的解决方案是获取更多的资源。这是ACM数字图书馆中第一篇使用“大数据”这个术语的文章。

1997年，“深蓝”成为第一个打败国际象棋世界冠军的计算机下棋程序。

Garry Kasparov与IBM的Deep Blue比赛

1998年，第一个谷歌索引拥有2600万个网页。

1998年，戴夫·汉普顿(Dave Hampton)和凯莱布·钟(Caleb Chung)创造了第一个家用或宠物机器人Furby。

1998年，杨立昆(Yann LeCun)和约书亚·本吉奥(Yoshua Bengio)等人发表了关于神经网络在手写识别和反向传播优化方面的应用论文。

1998年10月，K·G·科夫曼(K.G. Coffman)和安德鲁·奥德兹科(Andrew Odlyzko)发表了《互联网的规模和增长率》。他们得出的结论是：“公共互联网的流量增长率虽然比通常引用的要低，但仍然达到了每年100%左右，这远远高于其他网络的流量。”因此，如果目前的增长趋势继续下去，美国的数据流量将在2002年左右超过语音流量，并将由互联网主导。”

2000年，谷歌的网络指数突破十亿大关。

2000年，麻省理工学院的辛西娅·布雷扎(Cynthia Breazeal)开发了基斯梅特(Kismet)，它是一个可以识别并且模拟情感的机器人。

2000年，本田推出了名为ASIMO的机器人，它是一个人形的人工智能机器人，它能够像人类一样快地行走，并且在餐厅为顾客上菜。

2000年10月，加州大学伯克利分校的彼得·莱曼(Peter Lyman)和哈尔·R·瓦里恩(Hal R. Varian)发表了《多少信息?（How Much Information?）》，它是第一个从计算机存储的角度量化世界上每年产生的新信息和原始信息(不包括副本)总量的综合性研究，这些信息存储在纸、电影、光学(CD和DVD)和磁这四种物理介质中。研究发现，在1999年，世界产生了大约1.5 EB的独特信息，或者说地球上每个男人、女人和孩子大约有250 MB的信息。它还发现，“大量独特的信息是由个人创造和存储的”(它称之为“数据民主化”)，“数字信息的生产不仅是总量最大的，也是增长最快的。”莱曼和瓦里恩称这一发现为“数字化的主导”，并指出“即使在今天，大多数文本信息‘生来就是数字化的’，在今后的几年内图像也将如此。”2003年，还是这群研究人员进行了一项类似的研究，他们发现2002年世界产生了大约5 EB的新信息，92%的新信息被存储在磁性介质(大部分是在硬盘)中。

2001年，史蒂文·斯皮尔伯格的电影《人工智能》上映，经过独特的编程，一个名叫大卫的机器人具有爱的能力，这个电影就讲述了这个机器人的故事。

2003年，日本AIST智能系统研究所的孝敬柴田(Takanori Shibata)设计的治疗机器人小海豹Paro入选“最佳计算机经销商博览会决赛选手”。

2004年，第一届DARPA自动驾驶汽车大奖赛在莫哈韦沙漠举行。然而，不幸的是，没有一辆自动驾驶汽车完成了150英里的路线。

2006年，奥伦·艾奇奥尼(Oren Etzioni)和米歇尔·班科(Michele Banko)创造了术语“机器阅读”，并将其定义为一种固有的无监督的对文本的自主理解。

2006年，杰弗里·辛顿(Geoffrey Hinton)发表了里程碑式的文章《Learning Multiple Layers of Representation》，总结了深度学习(Deep learning)的新方法，这种方法包含了自上而下连接的多层神经网络，并训练它们生成数据而不是分类数据。

Geoffrey Hinton

2006年的达特茅斯人工智能大会的主题是：人工智能未来的59年，以此纪念1956年研讨会50周年。大会主席总结道：“尽管人工智能在过去50年里取得了很大的成功，但该领域仍存在许多显著的分歧。比如不同的研究领域经常不合作，研究人员使用不同的研究方法，目前还没有统一该学科的智力或学习的通用理论。”

2007年，李飞飞(Fei Fei Li )和普林斯顿大学的同事们开始建立ImageNet，它一个大型标注图像数据库，旨在帮助视觉对象识别软件的研究。

2007年，国际数据公司(IDC)的约翰·F·甘茨(John F. Gantz)，大卫·雷因瑟(David Reinsel)和其他研究人员发布了一份白皮书，白皮书的题目是《不断扩张的数字宇宙：到2010年全球信息增长的预测》。该研究估计和预测每年创建和复制的数字数据量。据国际数据公司(IDC)估计，2006年全球产生了161 EB的数据，并预测在2006年至2010年间，数字世界每年增加的信息将增加6倍以上，达到988 EB，即每18个月增加一倍。根据2010年和2012年发布的同一项研究，每年创建的数字数据量超过了这个预测，2010年达到1227 EB，2012年增长到2837 EB。据国际数据中心估计，到2020年，全球将有59000 EB的数据被创建、捕获、复制和消耗。

2009年，谷歌的首席经济学家哈尔·瓦里安(Hal Varian)告诉《麦肯锡季刊》：“我一直在说，未来十年最性感的工作将是统计学家。人们认为我是在开玩笑，但是有谁能想到计算机工程师会是90年代最性感的工作呢?获取数据的能力，即能够理解数据、处理数据、从中提取价值、将其可视化、并将其传播，将是未来几十年非常重要的技能。”

2009年，迈克·德里斯科尔(Mike Driscoll)在《数据极客的三种性感技能》中写道:“……随着数据时代的到来，那些能够建模、处理数据并以视觉方式交流数据，即被我们称为统计学家或数据极客的工作，成了热门工作。”

2009年，拉贾特·雷纳(Rajat Raina)、阿南德·马达万(Anand Madhavan)和吴恩达(Andrew Ng)发表了《使用GPU的大规模深度无监督学习》，认为“现代GPU的计算能力远远超过多核CPU，并且有可能彻底改变深度无监督学习方法的适用性。”

2009年谷歌开始秘密研发无人驾驶汽车。2014年，谷歌的无人驾驶汽车在内华达州通过第一个自动驾驶测试。

谷歌无人驾驶汽车

2009年，美国西北大学智能信息实验室的计算机科学家开发了Stats Monkey，它是一个无需人工干预就能编写体育新闻故事的程序。

2010年，ImageNet大型视觉识别挑战赛(ILSVCR)正式举办，这是一项年度人工智能物体识别比赛。

2010年，肯尼斯·舒格(Kenneth Cukier)在《经济学人》的特别报道《数据，无处不在的数据》中写道：“数据科学家作为一种新的专业人士出现了，他们结合了软件程序员、统计学家和故事讲述者/艺术家的技能，从海量数据下挖掘出金块。”

2011年，马丁·希尔伯特(Martin Hilbert)和普里西拉·洛佩兹(Priscila Lopez)在《科学》杂志上发表了《世界存储、通信和计算信息的技术能力》。他们估计，从1986年到2007年，世界信息存储容量以每年25%的复合增长率增长。他们还估计，1986年，所有存储容量的99.2%是模拟存储，但在2007年，94%的存储容量是数字存储，这是一个完全的角色颠倒(2002年，数字信息存储首次超过非数字存储)。

2011年，卷积神经网络以99.46%的准确率赢得了德国交通标志识别竞赛(人类的最高准确率为99.22%)。

2011年，自然语言问答计算机Watson在美国老牌益智节目“危险边缘”(Jeopardy！)中击败了前两届的冠军。

2011年，瑞士人工智能研究所报告称，使用卷积神经网络的手写识别误差率可以达到0.27%，比几年前的0.35%~0.40%有所改善。

2012年6月，杰夫·迪恩(Jeff Dean)和吴恩达(Andrew Ng)报告了一项实验。在实验中，他们向一个非常大的神经网络展示了从YouTube视频中随机选取的1000万张未标记的图片，“令我们感到有趣的是，我们的一个人工神经元学会了对猫的照片做出强烈的反应……”

2012年9月，汤姆·达文波特(Tom Davenport)和D.J. 帕蒂尔(D.J. Patil)在《哈佛商业评论》上发表了《数据科学家：21世纪最性感的工作》。

2012年10月，多伦多大学研究人员设计的卷积神经网络在ImageNet大型视觉识别挑战赛(ILSVCR)中实现了仅16%的错误率，相比前一年的最佳作品25%的错误率有了显著的改善。

2016年3月，谷歌DeepMind研发的阿尔法狗(AlphaGo)在围棋人机大战中击败韩国职业九段棋手李世石。

AlphaGo与李世石比赛

2019年，全球互联网用户超过40亿。

2019年3月美国计算机协会(ACM)授予约书亚·本吉奥(Yoshia Bengio)、杰弗里·辛顿(Geoffrey Hinton)和杨立昆(Yann LeCun )为2018年美国计算机协会A.M.图灵奖获得者。图灵奖因其在概念和工程上的突破而使深度神经网络成为计算的重要组成部分。ACM主席Cherri M. Pancake说：“人工智能现在是所有科学领域中发展最快的领域之一，也是社会上谈论最多的话题之一， Bengio、Hinton和LeCun为深度学习奠定了基础，这在很大程度上得益于深度学习方面的最新进展。这些技术的使用人数已超过十亿。”

参考链接：

https://www.forbes.com/sites/gilpress/2021/05/19/114-milestones-in-the-history-of-artificial-intelligence-ai/?sh=49bbdfc074bf

—End—

相关阅读：

#光子盒社群招募中#

进入光子盒社群，与我们近距离互动，了解量子领域更多产业、商业、科技动态，领取量子技术产业报告。

现添加社群助手微信Hordcore即可进群 ，与我们一起展望未来！

你可能会错过：