人工智能编年史（诚邀大家补充）

人工智能编年史

起源

20世纪50 年代到 70 年代初，人工智能研究处于“推理期”，人们认为只要给机器赋予逻辑推理能力，机器就能具有智能。

1943年，M-P神经元模型提出。

随着神经科学算法的研究，1958年，康奈尔大学的实验心理学家弗兰克·罗森布拉特实现了“感知机”。人工智能的奠基人之一的明斯基提出感知机无法解决“异或”问题，神经网络陷入低谷，不被看好。

1963年，俄罗斯学者Vladmir Vapnik首次提出的支持向量机（SVM）方法。

1968年，著名学者Cover和Hart提出kNN算法。此后聚类算法一直不断进步。

低谷

1974 年，哈佛的保罗·沃波斯写了一篇博士论文首次给出了如何训练一般网络的学习算法----“反向传播算法”（简称BP 算法）。它是一种监督学习算法，常被用来训练多层感知机。他后来得到了IEEE 神经网络学会的先驱奖。沃波斯这篇文章刚发表时并没引起多少重视，因为那时正是神经网络研究的低谷，文章不合时宜。

1975年，遗传算法诞生。

20 世纪 70 年代中期开始，人工智能进入了“知识期”。在这一时期，大量专家系统问世。
但由于计算机性能不足，问题的复杂性过高，数据量的严重缺失等因素，机器学习陷入了低谷。

神经网络崛起

“深度学习三巨头”Hinton、LeCun、Bengio推动神经网络发展。

1984年，L.Breiman等人提出CART算法。

1986年，Geoffrey Hinton和David Rumelhart联合在Nature上发表论文，将BP算法用于神经网络模型。

1986年，J.R.Quinlan提出ID3算法。

1990年，LeCun发表文章，采用BP神经网络实现对手写数字的识别，直到上世纪九十年代末，超过10%的美国支票都采用该技术进行自动识别。

1993年，J.R.Quinlan又提出C4.5算法。同年提出决策树预剪枝和后剪枝。

1995年，支持向量机方法掀起“统计学习”热潮。

1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个重要里程。

1997年，著名的adaboost算法提出。

深度学习三巨头之一的LeCun在AT&T贝尔实验室的时候，开发了LeNet。

1998年，LeCun又发文提出了LeNet-5的框架，即现在热火朝天的卷积神经网络（Convolutional Neural Network）的基本框架。然而卷积要消耗大量计算资源，BP方法又会带来梯度弥散的问题，从而限制了神经网络的深度和效果，神经网络并没有引起变革。

21世纪现状

2001年，随机森林算法问世。

到2002年，SVM已将手写数字识别的错误率降至0.56%。

2004年GAN问世。干！

2010年以来，ImageNet大规模视觉识别挑战赛（ILSVRC）开始举办。

2012 年，斯坦福大学人工智能实验室主任吴恩达和谷歌合作建造了一个当时最大的神经网络，它是世界上第一个能够识别“猫”的网络。它共用16000 台计算机搭建模拟了一个人脑神经网络。这个网络输入1000 万段从YouTube 上随机选取的视频，结果可以学习到识别“猫”，能成功找到猫的照片，识别率为81.7%。

2012 年，Alex Krizhevsky 发表了 AlexNet。同年Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton组成的SuperVision队，在ImageNet ILSVRC2012的分类和定位任务中，用AlexNet夺冠。

2014年，牛津大学提出 VGG 网络，拿下ImageNet冠军。

2014年，吴恩达加入百度。2017年离开百度。

2015年，何凯明提出残差网络。拿下ImageNet冠军。

2017年，AlphaGo战胜柯洁。AlphaGoZero发布，利用强化学习自己学会下棋。

2017年，周志华提出gcforest，gcforest解释性比神经网络强，认为满足三个条件，不用神经网络也可以训练大数据。

波士顿动力2019年开始对外公开出售旗下机器狗系列产品，定价未知。