1942年，美國科幻小說家艾薩克·阿西莫夫（Isaac Asimov）在自己的短篇小說《Runaround（環(huán)舞）》中提出了影響深遠的“機器人三定律”：機器人不得傷害人類，或坐視人類受到傷害；除非違背第一定律，否則機器人必須服從人類命令；除非違背第一或第二定律，否則機器人必須保護自己。后來，這篇小說被合入1950年出版的短篇科幻小說集《I,Robot（我，機器人）》中。

1943年，美國神經(jīng)生理學(xué)家沃倫·麥卡洛克（Warren McCulloch）和數(shù)學(xué)家沃爾特·皮茨（Walter Pitts），基于人類大腦的神經(jīng)網(wǎng)絡(luò)，發(fā)表了《A logical calculus of ideas immanent in nervous activity（神經(jīng)活動中內(nèi)在思想的邏輯演算）》論文，提出了一個形式神經(jīng)元的計算機模型，并將其取名為M-P（McCulloch&Pitts）模型。

1949年，唐納德·赫布（Donald O. Hebb）在自己的著作《The Organization of Behavior; a Neuropsychological Theory（行為的組織：一種神經(jīng)心理學(xué)理論）》中，描述了突觸可塑性的基本原理，對學(xué)習(xí)和記憶提供了生理學(xué)層面的新理解。赫布也憑此被譽為“神經(jīng)心理學(xué)與神經(jīng)網(wǎng)絡(luò)之父”。

1950年，阿蘭·圖靈在《Mind（心靈）》雜志上發(fā)表了重要論文《Computing Machinery and Intelligence（計算機器與智能）》，并提出了著名的圖靈測試。

阿蘭·圖靈

1950年，馬文·明斯基（Marvin Minsky）和鄧恩·埃德蒙（Dunn Edmund）構(gòu)建了第一臺神經(jīng)網(wǎng)絡(luò)計算機SNARC。

1950年，克勞德·香農(nóng)（Claude Shannon）發(fā)表論文《Programming a computer for playing chess（為下棋編程計算機）》”。香農(nóng)認為，總有一天，計算機會擊敗世界冠軍。這一年，他還發(fā)明了一種由機電繼電器電路控制的可以走迷宮的機械老鼠——忒修斯（Theseus）。

克勞德·香農(nóng)

1954年，Georgetown（喬治敦）大學(xué)和IBM合作，進行了一次名為“Georgetown Experiment”的實驗，成功地使用機器將60多個俄語句子翻譯成英文。這是機器翻譯和NLP（自然語言處理）的一次重要嘗試。

1955年9月，約翰·麥卡錫（John McCarthy）、馬文·明斯基、克勞德·香農(nóng)、納撒尼爾·羅切斯特（N. Rochester）四人，共同提出了一個關(guān)于機器智能的研究項目。在項目中，首次引入了“Artificial Intelligence”這個詞，也就是人工智能。

1955年，赫伯特·西蒙（Herbert A. Simon，也譯為司馬賀）和艾倫·紐維爾（Allen Newell）開發(fā)的一個名為“邏輯理論家（Logic Theorist）”的程序。“邏輯理論家”被認為是人類歷史上第一個人工智能程序。

1956年6月，在約翰·麥卡錫等人的召集下，著名的達特茅斯會議（Dartmouth workshop）在美國新罕布什爾州漢諾威鎮(zhèn)的達特茅斯學(xué)院召開。這場會議標(biāo)志著人工智能作為一個研究領(lǐng)域正式誕生。

圖片

1957年，美國康奈爾大學(xué)的心理學(xué)家和計算機科學(xué)家弗蘭克·羅森布拉特（Frank Rosenblatt），在一臺IBM-704計算機上，模擬實現(xiàn)了一種他發(fā)明的叫“感知機 (Perceptron) ”的神經(jīng)網(wǎng)絡(luò)模型。

弗蘭克·羅森布拉特

1957年，赫伯特·西蒙等人在“邏輯理論家”的基礎(chǔ)上，又推出了通用問題解決器（General Problem Solver，GPS）。這是一個旨在模仿人類解決問題的程序。

1957年，卡內(nèi)基梅隆大學(xué)建立了世界上第一個人工智能研究實驗室。

1958年，約翰·麥卡錫正式發(fā)布了自己開發(fā)的人工智能編程語言——LISP（LIST PROCESSING，意思是"表處理"）。后來的很多知名AI程序，都是基于LISP開發(fā)的。

約翰·麥卡錫（1927-2011）

1959年，美國發(fā)明家喬治·德沃爾（George Devol）與約瑟夫·英格伯格（Joseph Engelberger）發(fā)明了人類首臺工業(yè)機器人——Unimate。Unimate重達兩噸，安裝運行于通用汽車生產(chǎn)線，可以控制一個機械臂，搬運和堆疊熱壓鑄金屬件。

左圖為Unimate

右圖是約瑟夫·英格伯格（左）、喬治·德沃爾（右）

1959年，赫伯特·格蘭特（Herbert Gelernter）開發(fā)了幾何定理證明程序。

1959年，IBM科學(xué)家亞瑟·塞繆爾（Arthur Samuel）在自家首臺商用計算機IBM701上，成功編寫了一套西洋跳棋程序。這個程序具有“學(xué)習(xí)能力”，可以通過對大量棋局的分析，逐漸辨識出“好棋”和“壞棋”，從而提高自己的下棋水平。因為首次提出了“機器學(xué)習(xí)（Machine Learning）”的概念，亞瑟·塞繆爾被后人譽為“機器學(xué)習(xí)之父”。

亞瑟·塞繆爾（1901-1990）

1959年，約翰·麥卡錫和馬文·明斯基創(chuàng)立了麻省理工學(xué)院人工智能項目。

1961年，萊昂納德·莫里克（Leonard Merrick Uhr）和查爾斯·沃斯勒（Charles M Vossler）發(fā)表了題目為《A Pattern Recognition Program That Generates, Evaluates and Adjusts its Own Operators（生成、評估和調(diào)整其自身算子的模式識別程序）》的模式識別論文，描述了一種利用機器學(xué)習(xí)或自組織過程設(shè)計的模式識別程序的嘗試。

1963年，約翰·麥卡錫在斯坦福大學(xué)創(chuàng)立了人工智能實驗室。

1965年，英國數(shù)學(xué)家厄文·古德（Irving John Good）發(fā)表了一篇對人工智能未來可能對人類構(gòu)成威脅的文章，可以算“AI威脅論”的先驅(qū)。

1966年，美國麻省理工學(xué)院的約瑟夫·魏澤鮑姆（Joseph Weizenbaum），發(fā)明了世界上第一個聊天機器人——ELIZA。ELIZA 通過關(guān)鍵詞匹配規(guī)則對輸入進行分解，而后根據(jù)分解規(guī)則所對應(yīng)的重組規(guī)則來生成回復(fù)，是現(xiàn)在Siri、小愛同學(xué)等問答交互工具的鼻祖。

魏澤鮑姆（坐者）正在與ELIZA對話

1966年，查理·羅森（Charlie Rosen）領(lǐng)導(dǎo)的美國斯坦福研究所（SRI），研發(fā)成功了首臺人工智能機器人——Shakey。它具備一定程度的人工智能，能夠自主進行感知、環(huán)境建模、行為規(guī)劃并執(zhí)行任務(wù)。

研究人員正在調(diào)測Shakey

1966年，美國計算機協(xié)會（ACM）設(shè)立圖靈獎（Turing Award），被稱為“計算機界的諾貝爾獎”。

1967年，托馬斯·卡沃（Thomas Cover）基于艾沃林·菲克斯（Evelyn Fix）和約瑟夫·霍德吉斯（Joseph Hodges）的研究，擴展提出了K最近鄰算法（k-nearest neighbors algorithm）。

1968年，美國科學(xué)家愛德華·費根鮑姆（Edward Feigenbaum）提出了第一個專家系統(tǒng)——DENDRAL，并對知識庫給出了初步的定義。這標(biāo)志著專家系統(tǒng)的誕生。DENDRAL面向的是化學(xué)行業(yè)，可以幫助化學(xué)家判斷物質(zhì)的分子結(jié)構(gòu)。

愛德華·費根鮑姆（坐著的那位）

1969年，馬文·明斯基和西蒙·派珀特（Seymour Papert）發(fā)表著作《感知機: 計算幾何學(xué)導(dǎo)論》的書，對羅森布萊特的感知器提出了質(zhì)疑。這導(dǎo)致了神經(jīng)網(wǎng)絡(luò)研究十余年的中斷。

馬文·明斯基

1969年，馬文·明斯基為導(dǎo)演斯坦利·庫布里克（Stanley Kubrick）的電影《2001漫游太空》擔(dān)任顧問，塑造了片中超級智能計算機HAL9000的銀幕形象。

電影海報

1970年，麻省理工學(xué)院博士研究生特里·維諾格拉德（Terry Winograd）開發(fā)了早期自然語言理解程序SHRDLU。該程序可以部分理解語言，是"微型世界"項目的一部分。

1972年，柯爾麥倫納（Colmeraner）及其研究小組在法國馬賽大學(xué)提出邏輯編程語言PROLOG。

1972年，美國醫(yī)生兼科學(xué)家愛德華·H·肖特利夫（Edward H. Shortliffe）創(chuàng)建了可以幫助進行醫(yī)學(xué)診斷的專家系統(tǒng)——MYCIN。

愛德華·H·肖特利夫

1973年，政府部門對AI的資助開始大幅滑坡，AI研究進入了“AI寒冬（AI Winter）”。

1973年，數(shù)學(xué)家萊特希爾（Lighthill）向英國政府提交了一份關(guān)于人工智能的研究報告（著名的《萊特希爾報告》），對當(dāng)時的AI研究進行了嚴厲且猛烈的批評，認為其宏偉的目標(biāo)根本無法實現(xiàn)，研究已經(jīng)徹底失敗。

1975年，馬文·明斯基在論文《A Framework for Representing Knowledge（知識表示的框架）》中，提出用于人工智能中的知識表示學(xué)習(xí)框架理論。

1977年，愛德華·費根鮑姆在第五屆國際人工智能聯(lián)合會議上，提出了“知識工程（Knowledge Engineering）”的概念，進一步推動了專家系統(tǒng)的普及。

1977年，中國著名數(shù)學(xué)家吳文俊院士在《中國科學(xué)》期刊發(fā)表了具有劃時代意義的科學(xué)論文——《初等幾何判定問題與機械化證明》，在國際上引起了巨大轟動。吳文俊院士所獨創(chuàng)的新方法在國際上被譽為“吳方法”。它能夠使人工智能自動并有效地證明幾何定理，也被應(yīng)用到其他數(shù)學(xué)領(lǐng)域。

吳文俊院士

1979年，美國國家標(biāo)準(zhǔn)技術(shù)研究所開始制定基于知識的推理系統(tǒng)規(guī)范語言（知識表示語言KRL）。

1979年，日本學(xué)者福島邦彥博士模仿生物的視覺皮層（visual cortex），開發(fā)了一種用于模式識別的神經(jīng)網(wǎng)絡(luò)模型Neocognitron（神經(jīng)認知機）。Neocognitron是第一個使用卷積和下采樣的神經(jīng)網(wǎng)絡(luò)，也是現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)的雛形。

福島邦彥

1979年，斯坦福大學(xué)的漢斯·莫拉韋克（Hans Moravec）設(shè)計了斯坦?？ㄜ嚕⊿tanford Cart）。這是一臺可以自主導(dǎo)航和避障的機器人。這是機器人領(lǐng)域的一個重要里程碑。

1980年，在美國的卡內(nèi)基梅隆大學(xué)（CMU）召開了第一屆機器學(xué)習(xí)國際研討會，標(biāo)志著機器學(xué)習(xí)研究的興起。

1980年，卡耐基梅隆大學(xué)研發(fā)的專家系統(tǒng)XCON（eXpertCONfigurer）正式商用，為當(dāng)時的計算機巨頭公司DEC每年省下數(shù)千萬美金。

1981年，理查德·保羅（Richard.P.Paul）出版了第一本機器人學(xué)課本《Robot Manipulator：Mathematics，Programmings and Control（機器人機械手：數(shù)學(xué)、編程與控制）》。

1981年，日本通商產(chǎn)業(yè)?。∕ITI）撥款8.5億美元，用以研發(fā)第五代計算機項目（FGCS）。FGCS的目標(biāo)是造出一臺人工智能計算機，能夠與人對話、翻譯語言、解釋圖像、完成推理。不久后，英國、美國紛紛響應(yīng)，開始向信息技術(shù)領(lǐng)域的研究提供大量資金。

1981年，“窄AI（Narrow AI）”的概念誕生。相關(guān)研究不再尋求通用智能，而轉(zhuǎn)向了面向更小范圍的專業(yè)任務(wù)領(lǐng)域。

1982年，約翰·霍普菲爾德（John Hopfield）在自己的論文中重點介紹了Hopfield網(wǎng)絡(luò)模型（模型原型早期由其他科學(xué)家提出）。這是一種具有記憶和優(yōu)化功能的循環(huán)（遞歸）神經(jīng)網(wǎng)絡(luò)。

約翰·霍普菲爾德

1982年，戴維·馬爾（David Marr）發(fā)表代表作《視覺計算理論》，提出計算機視覺（Computer Vision）的概念，并構(gòu)建系統(tǒng)的視覺理論，對認知科學(xué)（CognitiveScience）產(chǎn)生了很深遠的影響。

1983年，通用電氣公司搞出了柴油電力機車維修專家系統(tǒng)（DELTA）。這個系統(tǒng)封裝了眾多GE資深現(xiàn)場服務(wù)工程師的知識和經(jīng)驗，能夠指導(dǎo)員工進行故障檢修和維護。

1983年，特倫斯·謝諾夫斯基（Terrence Sejnowski）和杰弗里·辛頓（Geoffrey Hinton）提出了“隱單元”的概念。1986年，他們提出了一種生成式隨機神經(jīng)網(wǎng)絡(luò)（generative stochastic neural network）——Boltzmann Machine（玻爾茲曼機）。

1983年，美國國防部高級研究計劃局（DARPA）通過“戰(zhàn)略計算促進會（Strategic Computing Initiative）”，重啟對高級計算和人工智能研究的資助。

1984年，美國數(shù)十家大公司聯(lián)合成立了微電子與計算機技術(shù)公司（MCC）。該公司發(fā)起了人工智能歷史上最大也是最具爭議性的項目Cyc（大百科全書）。

1986年，戴維·魯梅爾哈特（David Rumelhart）、杰弗里·辛頓（Geoffrey Hinton）和羅納德·威廉姆斯（Ronald Williams）等人共同發(fā)表了一篇名為《Learning representations by back-propagation errors（通過反向傳播算法的學(xué)習(xí)表征）》的論文。在論文中，他們提出了一種適用于多層感知器（MLP）的算法，叫做反向傳播算法（Backpropagation，簡稱BP算法）。BP算法不僅為多層神經(jīng)網(wǎng)絡(luò)的發(fā)展奠定了基礎(chǔ)，也打破了馬文·明斯基當(dāng)年提出的“神經(jīng)網(wǎng)絡(luò)具有局限性”魔咒，意義非常重大。

1986年，澳大利亞計算機科學(xué)家羅斯·昆蘭（Ross Quinlan）提出ID3決策樹算法。

1987年，LISP機器市場在崩潰，AI領(lǐng)域進入了“第二個AI冬天”。

LISP系列主機

1988年：計算機科學(xué)家和哲學(xué)家猶大·伯爾（Judea Pearl）出版了著作《Probabilistic Reasoning in Intelligent Systems（智能系統(tǒng)中的概率推理）》。伯爾還發(fā)明了貝葉斯網(wǎng)絡(luò)。

1988年，貝爾實驗室的法國科學(xué)家楊立昆（Yann LeCun）等人，提出了卷積神經(jīng)網(wǎng)絡(luò)。這是一種專門用于處理圖像數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型。

Yann LeCun

1990年，澳大利亞科學(xué)家羅德尼·布魯克斯（Rodney Brooks）提出了“由下自上”的研究思路，開發(fā)能夠模擬人腦細胞運作方式的神經(jīng)網(wǎng)絡(luò)，并學(xué)習(xí)新的行為。

1990年，美國認知科學(xué)家、心理語言學(xué)家杰弗里·艾爾曼（Jeffrey Elman）提出了首個遞歸神經(jīng)網(wǎng)絡(luò)——艾爾曼網(wǎng)絡(luò)模型。遞歸神經(jīng)網(wǎng)絡(luò)能夠在訓(xùn)練時維持數(shù)據(jù)本身的先后順序性質(zhì)，非常適合于自然語言處理領(lǐng)域的應(yīng)用。

1992年，因為未能實現(xiàn)十年前提出的目標(biāo)，日本終止了FGCS項目。

1993年，在花費近10億美元且遠未達到預(yù)期的情況下，DARPA結(jié)束了戰(zhàn)略計算計劃。

1995年，克里娜·柯爾特斯（Corinna Cortes）和弗拉基米爾·萬普尼克（Vladimir Vapnik）開發(fā)了支持向量機（Support Vector Machine，SVM）。支持向量機是一種映射和識別類似數(shù)據(jù)的系統(tǒng)，可以視為在感知機基礎(chǔ)上的改進。

1995年，約阿夫·佛羅因德（Yoav Freund）和羅伯特·沙皮爾（Robert Schapire）提出了AdaBoost （Adaptive Boosting）算法。

1997年5月，IBM的計算機“深藍（DEEP BLUE）”以2勝1負3平的成績擊敗國際象棋世界冠軍加里·卡斯帕羅夫，震驚了全世界。

1997年，德國計算機科學(xué)家瑟普·霍克賴特（Sepp Hochreiter）及其導(dǎo)師于爾根·施密德胡伯（Jürgen Schmidhuber）開發(fā)了用于遞歸神經(jīng)網(wǎng)絡(luò)的LSTM（長短期記憶網(wǎng)絡(luò)）。

1998年，Yann LeCun等人提出了一個用于手寫數(shù)字識別的卷積神經(jīng)網(wǎng)絡(luò)——LeNet，初步展示了神經(jīng)網(wǎng)絡(luò)在圖像識別領(lǐng)域的潛力。

2000年：本田發(fā)布了ASIMO，一種人工智能的人形機器人。

2001年，布雷曼（Leo Breiman）和阿黛爾·卡特勒（Adele Cutler）提出隨機森林（Random Forest）。

2003年，約書亞·班吉歐（Yoshua Bengio）發(fā)表一篇基于人工神經(jīng)網(wǎng)絡(luò)打造自然語言模型的論文《A Neural Probabilistic Language Model（一種神經(jīng)概率語言模型）》，提出了具有奠基意義的NNLM“神經(jīng)網(wǎng)絡(luò)語言模型”。他還提出了"詞向量"的概念。

2006年，多倫多大學(xué)的杰弗里·辛頓在Science期刊上，發(fā)表了重要的論文《Reducing the dimensionality of data with neural networks（用神經(jīng)網(wǎng)絡(luò)降低數(shù)據(jù)維數(shù)）》，提出深度信念網(wǎng)絡(luò)（Deep Belief Networks，DBNs）。

杰弗里·辛頓

2006年，在斯坦福任教的華裔科學(xué)家李飛飛發(fā)起創(chuàng)建了ImageNet項目，號召民眾上傳圖像并標(biāo)注圖像內(nèi)容。2009年，ImageNet正式發(fā)布，包括了1400萬張圖片數(shù)據(jù)，超過2萬個類別，為全球AI研究（神經(jīng)網(wǎng)絡(luò)訓(xùn)練）提供了強大支持。

李飛飛和ImageNet

2006年，谷歌公司推出了一種基于統(tǒng)計學(xué)習(xí)的語音識別技術(shù)，該技術(shù)被廣泛應(yīng)用于語音助手、智能家居等領(lǐng)域。

2008年，谷歌在iPhone上發(fā)布了一款語音識別應(yīng)用，開啟了數(shù)字化語音助手（Siri、Alexa、Cortana）的浪潮。

2011年10月，蘋果推出語音助手Siri。

2011年，IBM的計算機沃森（Watson）在美國電視智力競賽節(jié)目“危險邊緣”中，擊敗兩位人類冠軍選手，展示出其在自然語言處理和知識推理方面的強大能力。

2012年，杰弗里·辛頓和他的學(xué)生伊利亞·蘇茨克沃（Ilya Sutskever）和亞歷克斯·克里切夫斯基（Alex Krizhevsky）參加了ImageNet大規(guī)模視覺識別挑戰(zhàn)賽。他們設(shè)計的深度神經(jīng)網(wǎng)絡(luò)模型AlexNet在這次競賽中以壓倒性優(yōu)勢獲得第一名，引起了業(yè)界轟動。

杰弗里·辛頓師徒三人

2012年，加拿大神經(jīng)學(xué)家團隊創(chuàng)造了一個具備簡單認知能力、有250萬個模擬“神經(jīng)元”的虛擬大腦Spaun，通過了最基本的智商測試。

2012年，谷歌“Google Brain”項目的研究人員吳恩達（Andrew Ng）、杰夫·迪恩（Jeff Dean）等人，搭建了一個神經(jīng)網(wǎng)絡(luò)（10億參數(shù)），用來訓(xùn)練對貓的識別。他們的訓(xùn)練數(shù)據(jù)是來自youtube的1000萬個貓臉圖片，用了1.6萬個CPU，整整訓(xùn)練了3天。

吳恩達

2012年7月，谷歌公司推出虛擬助手GoogleNow，即谷歌助手的前身。

2012年，谷歌公司正式發(fā)布谷歌知識圖譜Google Knowledge Graph。

2013年，辛頓師徒三人共同成立了一家名為DNNresearch的公司。后來，這家公司被谷歌以幾千萬美元的價格競購。

2013年，谷歌公司的托馬斯·米科洛夫（Tomas Mikolov）帶領(lǐng)研究團隊發(fā)表了論文《Efficient Estimation of Word Representations inVector Space（詞表示向量空間的有效估計）》，提出了Word2Vec。Word2Vec基于給定的語料庫，通過優(yōu)化后的訓(xùn)練模型，可以快速有效地將一個詞語表達成高維空間里的詞向量形式，為自然語言處理領(lǐng)域的應(yīng)用研究提供了新的工具。

2014年，谷歌公司收購了專注于深度學(xué)習(xí)和強化學(xué)習(xí)技術(shù)的人工智能公司——DeepMind公司。

2014年6月，一臺名為Eugene Goostman（尤金·古斯特曼）的聊天機器人通過了圖靈測試。

2014年，蒙特利爾大學(xué)博士生伊恩· 古德費洛（Ian Goodfellow），從博弈論中的“二人零和博弈”得到啟發(fā)，提出了生成對抗網(wǎng)絡(luò)（GANs，Generative Adversarial Networks）。

伊恩· 古德費洛

2015年，Microsoft Research的何愷明（Kaiming He）等人提出的殘差網(wǎng)絡(luò)（ResNet），在ImageNet大規(guī)模視覺識別競賽中，獲得了圖像分類和物體識別的優(yōu)勝。

2015年1月，埃隆·馬斯克、斯蒂芬·霍金和史蒂夫·沃茲尼亞克等人在一封公開信上簽名，要求禁止開發(fā)人工智能武器。

2015年11月，谷歌公司開源了重要的深度學(xué)習(xí)框架Tensor Flow。

2015年12月，埃隆·馬斯克（Elon Musk）、薩姆·奧爾特曼（Sam Altman）、彼得·泰爾（Peter Thiel）、里德·霍夫曼（Reid Hoffman）等人在舊金山聯(lián)合成立了OpenAI公司。

2016年，谷歌提出聯(lián)邦學(xué)習(xí)方法，它在多個持有本地數(shù)據(jù)樣本的分散式邊緣設(shè)備或服務(wù)器上訓(xùn)練算法，而不交換其數(shù)據(jù)樣本。

2016年3月，DeepMind開發(fā)的人工智能圍棋程序AlphaGo（阿爾法狗），以4:1的總比分戰(zhàn)勝了世界圍棋冠軍李世石，震驚了全世界。

2016年2月，中國香港的漢森機器人公司（Hanson Robotics）推出了一款名為索菲亞（Sophia）的仿人機器人。它能通過圖像識別“看”東西，做出面部表情，并能使用人工智能進行交流。

2016年，微軟公司推出了小冰（Xiaoice）。這是一款利用自然語言處理和情感計算技術(shù)提供社交聊天服務(wù)的人工智能系統(tǒng)。

2017年1月，F(xiàn)acebook人工智能研究院開源了PyTorch。這是一個用于機器學(xué)習(xí)和深度學(xué)習(xí)的開源深度學(xué)習(xí)框架。

2017年5月，升級版的AlphaGo以3:0戰(zhàn)勝世界排名第一的中國圍棋棋手柯潔。

2017年10月18日，DeepMind團隊公布AlphaGo Zero。從空白狀態(tài)學(xué)起，只需3天就以100:0的戰(zhàn)績擊敗曾戰(zhàn)勝柯潔的AlphaGo系統(tǒng)。

2017年12月，Google機器翻譯團隊在行業(yè)頂級會議NIPS上，發(fā)表了重磅論文《Attention is all you need（你所需要的，就是注意力）》，提出只使用“自我注意力（Self Attention）”機制來訓(xùn)練自然語言模型——Transformer（轉(zhuǎn)換器、變壓器）。Transformer徹底改變了深度學(xué)習(xí)的發(fā)展方向。它不僅對序列到序列任務(wù)、機器翻譯和其它自然語言處理任務(wù)產(chǎn)生了深遠的影響，也為后來AIGC的崛起打下了堅實的基礎(chǔ)。

2018年5月，谷歌推出Google Duplex服務(wù)，允許人工智能助手通過電話預(yù)約。

2018年6月，OpenAI發(fā)布了第一版的GPT系列模型——GPT-1。同時，他們還發(fā)表了論文《Improving Language Understanding by Generative Pre-training（通過生成式預(yù)訓(xùn)練改進語言理解）》。2019年和2020年，OpenAI接連發(fā)布了GPT-2和GPT-3。

2018年10月，谷歌發(fā)布了有3億參數(shù)的BERT（Bidirectional Encoder Representation from Transformers）模型，意思是“來自Transformers的雙向編碼表示”模型。

2019年，DeepMind公司開發(fā)了阿爾法星際爭霸（AlphaStar），這是一臺專門用于玩星際爭霸2游戲的人工智能系統(tǒng)。

2019年3月份，OpenAI正式宣布重組，成為一家"利潤上限（caped-profit）"的公司。7月，重組后的OpenAI拿到了微軟包括Azure云計算資源在內(nèi)的10億美金投資。微軟將作為"首選合作伙伴”，今后可獲得OpenAI技術(shù)成果的獨家授權(quán)。

2020年2月，微軟推出Turind Natural Language Generatio（T-NLG），這是一種生成式語言模型，是當(dāng)時最大的語言模型。

2020年6月，OpenAl發(fā)布了GPT-3語言模型。該模型通過預(yù)先訓(xùn)練的算法生成文本，并完成人類幾乎無法完成的語言任務(wù)。隨后，OpenAI發(fā)表了論文《Language Models are Few-Shot Learner》，闡述了大模型的各種新能力，而最重要的就是小樣本（few-shot）學(xué)習(xí)能力。

2020年6月，論文《Denoising Diffusion Probabilistic Models（去噪擴散概率模型，DDPM）》發(fā)表。這篇論文第一次把2015年誕生的Diffusion"擴散模型"用在了圖像生成上。不久之后，DDPM以及后續(xù)的Diffusion擴散模型就全面取代了GAN（生成式對抗網(wǎng)絡(luò)），成為了AI繪畫大模型的主流技術(shù)。

2020年11月30日，DeepMind公司宣布其研制的人工智能系統(tǒng)AlphaFold2可以精準(zhǔn)預(yù)測蛋白質(zhì)的3D結(jié)構(gòu)，即解決了“蛋白質(zhì)折疊”問題，被認為是解決了生物領(lǐng)域50年來的重要難題，是人工智能的又一次巨大成功。

2021年1月，OpenAl發(fā)布了可從文本生成圖像的人工智能模型DALL-E。

2021年1月11日，谷歌公司發(fā)表論文《Switch Transformers：Scaling to Trillion Parameter Models with Simple and Efficient Sparsity》，提出了最新語言模型—Switch Transformer。這個模型以高達1.6萬億的參數(shù)量，成為歷史上首個萬億級語言模型。

2021年2月，Open AI開源了新的深度學(xué)習(xí)模型CLIP（Contrastive Language-Image Pre-Training）。同時，OpenAI還發(fā)布了自己基于CLIP的AI繪畫DALL-E 模型。

2021年6月30日，OpenAI和GitHub聯(lián)合發(fā)布了AI代碼補全工具GitHub Copilot。Copilot的AI技術(shù)核心正是OpenAI的新模型CodeX（隨后的8月份也對外發(fā)布了）。

2021年5月，谷歌公司引入了Language Model for Dialoque Applications（LaMDA）。這是一個大型語言模型，用于在對話中生成類似人類的反應(yīng)。

2021年10月，第一個開源的AI繪畫大模型Disco-Diffusion誕生。

2022年3月，OpenAI發(fā)布InstructGPT，同時發(fā)表論文《Training language models to follow instructions with human feedback（訓(xùn)練語言模型以遵循帶有人類反饋的指令）》。

2022年3月，AI繪畫工具Midjourney問世，創(chuàng)始人是David Holz（戴維·霍爾茲）。

2022年4月，OpenAI發(fā)布了AI繪畫大模型DALL-E 2。

2022年7月，DeepMind破解了幾乎所有已知的蛋白質(zhì)結(jié)構(gòu)，其AlphaFold算法數(shù)據(jù)庫里包含了2億種已知蛋白質(zhì)結(jié)構(gòu)。

2022年8月，Stability AI開源了Stable Diffusion繪畫大模型的源代碼。這是一款基于文本描述生成圖像的文本到圖像工具。

2022年11月，OpenAI發(fā)布了基于GPT模型的人工智能對話應(yīng)用服務(wù)——ChatGPT（也可以理解為GPT-3.5），徹底引爆了全世界。

2023年1月，微軟宣布對OpenAl進行多年期巨額投資，數(shù)十億美元。

2023年2月7日，谷歌公司發(fā)布了由LaMDA提供支持的聊天機器人Bard。

2023年2月25日，Meta公司發(fā)布LLaMA模型并開源。7月19日，Meta公司發(fā)布了人工智能模型LLaMA 2的開源商用版本。

2023年3月15日，OpenAI發(fā)布了GPT-4。

2023年3月16日，百度發(fā)布文心一言。

2023年5月11日，谷歌正式開放超級AI大模型PaLM2。

2023年6月，英偉達市值突破1萬億美元。美股“七巨頭”（Magnificent 7，分別是：谷歌母公司Alphabet、亞馬遜、蘋果、Meta、微軟、英偉達和特斯拉）的股價開始不斷攀升。

2023年11月，首份人工智能監(jiān)管聲明《布萊切利宣言》發(fā)布。

2023年11月18日，OpenAI CEO山姆·奧特曼（Sam Altman）被開除，引發(fā)全網(wǎng)關(guān)注。22日，OpenAI官方推特宣布，Sam Altman回歸并重新?lián)蜲penAI CEO。

2023年12月6日，谷歌公司發(fā)布多模態(tài)大模型Gemini 1.0（雙子星）。

2024年2月15日，OpenAI發(fā)布人工智能文生視頻大模型Sora。

2024年5月14日，OpenAI舉行春季發(fā)布會，推出新旗艦?zāi)Ｐ虶PT-4o。

2024年7月23日，Meta發(fā)布LLAMA 3.1 405B開源人工智能模型。

（截止日期：2024年7月29日）

參考文獻：

1、《人工智能簡史》，尼克；

2、《人工智能發(fā)展簡史》孫凌云、孟辰燁、李澤?。?/span>

3、《人工智能 60 年技術(shù)簡史》，李理；

4、《深度學(xué)習(xí)簡史》，Keith D. Foote；

5、《人工智能發(fā)展史（從起步到磅礴）以及浪潮階段》，CSDN；

6、《從零啟程——人工智能簡史》，知乎；

7、《四張圖片道清AI大模型的發(fā)展史》，阿里云；

8、《GPT的背后，從命運多舛到顛覆世界，人工神經(jīng)網(wǎng)絡(luò)的跌宕80年》，孫睿晨；

9、百度百科、維基百科等。