AI浪潮下，你必须要了解的AI发展史

创作时间:

作者:

@小白创作中心

AI浪潮下，你必须要了解的AI发展史

引用

CSDN

https://m.blog.csdn.net/qq_38196449/article/details/145548102

随着人工智能（AI）技术的迅猛发展，从1956年首次提出“人工智能”概念至今，AI已经走过了近70年的历程。从最初的单层感知机到如今的深度学习，从图像识别到自然语言处理，AI技术取得了突破性进展。本文将带你回顾AI的发展历程，了解其关键技术，并展望未来的发展方向。

一、人工智能发展史

人工智能（Artificial Intelligence，简称AI）这个概念是在1956年提出的。这一年，约翰·麦卡锡（John McCarthy）和其他几位科学家在美国达特茅斯学院（Dartmouth College）组织了一场研讨会，首次提出了“人工智能”一词，标志着人工智能作为一门学科的正式诞生。
人工智能这个概念从诞生到今天也只有不到70年的时间，是一门很年轻的科学。
深度学习所需要的神经网络技术起源于20世纪50年代，叫做感知机。当时也通常使用单层感知机，尽管结构简单，但是能够解决复杂的问题。后来感知机被证明存在严重的问题，因为只能学习线性可分函数、连简单的异或（XOR）等线性不可分问题都无能为力。
1969年，Marvin Minsky写了一本叫做《Perceptrons》的书，他提出了著名的两个观点：
单层感知机没用，我们需要多层感知机来解决复杂问题。
没有有效的训练算法。
20世纪80年代末期，用于人工神经网络的反向传播算法（Back Propagation算法，BP算法）的发明，给机器学习带来了希望，掀起了基于统计模型的机器学习热潮，这个热潮一直持续到今天。人们发现，利用BP算法可以让一个人工神经网络模型从大量训练样本中学习统计规律，从而对未知事件做预测。这种基于统计的机器学习方法比起过去基于人工规则的系统，在很多方面显出优越性。
这个时候的人工神经网络，虽也被称作多层感知机（Multi-layer Perceptron），但实际是种只含有一层隐层节点的浅层模型。
2012年，在著名的ImageNet图像识别大赛中，杰弗里·辛顿领导的小组采用深度学习模型AlexNet一举夺冠。AlexNet采用ReLU激活函数，从根本上解决了梯度消失问题，并采用GPU极大地提高了模型的运算速度。
同年，由斯坦福大学著名的吴恩达教授和世界顶尖计算机专家Jeff Dean共同主导的深度神经网络（DNN）技术在图像识别领域取得了惊人的成绩，在ImageNet评测中成功地将错误率从26%降低到了15%。深度学习算法在世界大赛中的脱颖而出，也再一次吸引了学术界和工业界对于深度学习领域的关注。
2016年，随着谷歌公司基于深度学习开发的AlphaGo以4:1的比分战胜了国际顶尖围棋高手李世石，深度学习的热度一时无两。后来，AlphaGo又接连和众多世界级围棋高手过招，均取得了完胜。这也证明了在围棋界，基于深度学习技术的机器人已经彻底超越了人类。
2017年，基于强化学习算法的AlphaGo升级版AlphaGo Zero横空出世。其采用“从零开始”、“无师自通”的学习模式，以100:0的比分轻而易举打败了之前的AlphaGo。除了围棋，它还精通国际象棋等其它棋类游戏，可以说是真正的棋类天才。
2017年，谷歌推出了划时代的作品Transformer，对整个人工智能的发展影响深远。此外在这一年，深度学习的相关算法在医疗、金融、艺术、无人驾驶等多个领域均取得了显著的成果。所以，也有专家把2017年看作是深度学习甚至是人工智能发展最为突飞猛进的一年。
2018年，谷歌推出了BERT，开启了预测核模型和迁移学习的时代。
2019年，GPT2, T5, AIBERT, RoBERTa, XLNet, 一系列预测核模型的推出大大提升了AI的应用效果。
2020年，深度学习扩展到更多的应用场景，比如积水识别、路面塌陷等，而且疫情期间，在智能外呼系统、人群测温系统、口罩人脸识别等都有深度学习的应用。
2021年，巨量模型大量涌现，参数规模从几百亿迅速增长到上万亿。
2022年11月30日，ChatGPT横空出世，开启了AI大模型的时代。
2023年，是全世界大模型的战国时代。
2024年，2月份Sora横空出世，5月GPT-4o, DeepSeek-v2, 快手可灵，都是最前沿的成果。