清华【人工智能之机器人学习报告】2020年第一期（五大维度解析机器人学习技术）
↑点击上方关注“物联网报告中心”，掌握行业最新动态
概述机器学习已经成为了当今的热门话题，但是从机器学习这个概念诞生到机器学习技术的普遍应用经过了漫长的过程。在机器学习发展的历史长河中，众多优秀的学者为推动机器学习的发展做出了巨大的贡献。
从 1642 年 Pascal 发明的手摇式计算机，到 1949 年 Donald Hebb 提出的赫布理论——解释学习过程中大脑神经元所发生的变化，都蕴含着机器学习思想的萌芽。事实上，1950 年图灵在关于图灵测试的文章中就已提及机器学习的概念。到了 1952 年，IBM 的亚瑟·塞缪尔（Arthur Samuel，被誉为“机器学习之父”）设计了一款可以学习的西洋跳棋程序。塞缪尔和这个程序进行多场对弈后发现，随着时间的推移，程序的棋艺变得越来越好[1]。塞缪尔用这个程序推翻了以往“机器无法超越人类，不能像人一样写代码和学习”这一传统认识。并在 1956 年正式提出了“机器学习”这一概念。
对机器学习的认识可以从多个方面进行，有着“全球机器学习教父”之称的 Tom Mitchell 则将机器学习定义为：对于某类任务 T 和性能度量 P，如果计算机程序在 T 上以 P衡量的性能随着经验 E 而自我完善，就称这个计算机程序从经验 E 学习。普遍认为，机器学习（Machine Learning，常简称为 ML）的处理系统和算法是主要通过找出数据里隐藏的模式进而做出预测的识别模式，它是人工智能（Artificial Intelligence，常简称为 AI）的一个重要子领域。
机器学习的发展历史
从机器学习发展的过程上来说，其发展的时间轴如下所示：
目录
机器学习的概念
机器学习的发展历史
技术篇
机器学习算法分类
机器学习的经典代表算法
生成对抗网络及对抗机器学习
生成对抗网络
对抗机器学习
自动机器学习
AutoML
ATMSeer
可解释性机器学习
在线学习
BERT
卷积与图卷积
卷积
图卷积
隐私保护
深度学习篇
卷积神经网络
AutoEncoder ·
循环神经网络 RNN
网络表示学习与图神经网络 GNN
增强学习
生成对抗网络
老虎机
图神经网络
深度学习近期重要进展 ·
2018 年三大进展
2019 年三大进展
论文解读篇
人才篇
学者情况概览
代表性学者简介
NeurIPS 十年高引学者
应用篇
行业应用
北京智谱华章科技有限公司介绍
趋势篇
资源篇
开源代码
预训练
课程
数据集
机器学习知识树
参考文献