-
Уоррен МакКаллок и Уолтер Питтс публикуют "A Logical Calculus of the Ideas Immanent in Nervous Activity", представляя упрощенную математическую модель искусственных нейронов. -
Алан Тьюринг предлагает "Тест Тьюринга" в статье "Computing Machinery and Intelligence" в качестве критерия для определения способности машины мыслить, ставя вопрос: "Могут ли машины мыслить?". -
Марвин Минский и Дин Эдмондс создают SNARC (Stochastic Neural Analog Reinforcement Calculator), первую нейронную сеть, построенную на основе электронных компонентов. -
Джон Маккарти, Марвин Минский, Клод Шеннон и Натаниэль Рочестер организуют Дартмутскую конференцию, где впервые используется термин "Искусственный Интеллект". Событие считается официальным началом ИИ как научного направления. -
Аллен Ньюэлл и Герберт Саймон создают GPS, программу, которая решает общие логические задачи, демонстрируя первые успехи в символическом ИИ. -
Артур Ли Сэмюэл разрабатывает программу для игры в шашки, которая может обучаться и улучшать свою игру, играя против самой себя.
-
Джозеф Вейценбаум создает ELIZA, программу, имитирующую разговор с психотерапевтом, демонстрируя ранние возможности обработки естественного языка (NLP). -
Первый "золотой век" ИИ: Большой оптимизм и финансирование исследований. Успехи в решении логических задач и разработке ранних систем машинного перевода.
-
Разочарование в достигнутых результатах, ограниченность вычислительных ресурсов, сложности моделирования "здравого смысла" приводят к сокращению финансирования и снижению интереса.
Несмотря на "зиму", развитие микропроцессоров создает основу для будущих вычислительных достижений, необходимых для развития ИИ. -
Развитие и коммерциализация экспертных систем, использующих базы знаний и логические правила для решения специализированных задач (например, MYCIN для медицинской диагностики, DENDRAL для анализа химических структур).
Активное использование логического программирования и языка Prolog для разработки систем ИИ. -
Спад интереса к экспертным системам из-за ограниченности их применения и высоких затрат на разработку и поддержку.
-
Возрождение интереса к машинному обучению, особенно к статистическим методам и алгоритмам анализа данных.
Развитие компьютерной техники и снижение стоимости вычислительных ресурсов.
Появление больших данных: Доступность больших объемов данных открывает новые возможности для обучения алгоритмов машинного обучения. -
Компьютер Deep Blue от IBM побеждает чемпиона мира по шахматам Гарри Каспарова, демонстрируя выдающиеся возможности ИИ в стратегическом мышлении и вычислениях. -
Джеффри Хинтон популяризирует термин "глубокое обучение", демонстрируя успехи глубоких нейронных сетей в распознавании образов.
-
Система Watson от IBM побеждает в телевизионной игре Jeopardy!, демонстрируя возможности ИИ в понимании и обработке естественного языка. -
AlexNet, глубокая сверточная нейронная сеть, выигрывает соревнование ImageNet Large Scale Visual Recognition Challenge (ILSVRC), совершив прорыв в распознавании изображений.
-
Создание Generative Adversarial Networks (GANs) Яном Гудфеллоу и его коллегами.
-
Программа AlphaGo от Google DeepMind побеждает Ли Седоля, чемпиона мира по игре Го, что демонстрирует способность ИИ к обучению и стратегическому мышлению в сложных играх, где интуиция и паттерны играют ключевую роль. -
Введение архитектуры Transformer, которая становится доминирующей в обработке естественного языка (NLP).
-
Google представляет BERT (Bidirectional Encoder Representations from Transformers), модель, которая значительно улучшает результаты в различных задачах NLP.
-
OpenAI разрабатывает GPT-3, языковую модель, способную генерировать высококачественный текст, писать код, переводить языки и отвечать на вопросы.
-
OpenAI представляет DALL-E, модель ИИ, которая может создавать изображения из текстовых описаний, демонстрируя способности ИИ в генерации визуального контента.
-
Появление Stable Diffusion, модели генерации изображений с открытым исходным кодом, делает передовые технологии ИИ более доступными.
ChatGPT: OpenAI выпускает ChatGPT, чат-бота на основе GPT-3, который демонстрирует впечатляющие возможности в ведении естественного диалога и ответах на сложные вопросы. -
Активное создание моделей, способных понимать и генерировать контент в различных модальностях (текст, изображения, аудио, видео).
Интеграция ИИ в различные отрасли: Ускоренное внедрение ИИ в здравоохранение, финансы, образование, производство и другие области.