1949年，赫布出版了《行為的組織》，介紹了Hebb學(xué)習(xí)規(guī)則，提出權(quán)值的概念。這一理論為機(jī)器學(xué)習(xí)中的人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法奠定了基礎(chǔ)。（人工神經(jīng)網(wǎng)絡(luò)即深度學(xué)習(xí)的前身。）

1950年

1950年，阿蘭.圖靈在1950年發(fā)表論文《計(jì)算機(jī)器與智能》，在該論文中提出了機(jī)器思維的概念和圖靈測(cè)試。由此，圖靈又被稱為“人工智能之父”。二戰(zhàn)期間，他的團(tuán)隊(duì)在1943年研制成功了被叫做“巨人”的機(jī)器，用于破解德軍的密碼電報(bào)，這一貢獻(xiàn)讓二戰(zhàn)提前2年結(jié)束。

1952年

計(jì)算機(jī)科學(xué)家阿瑟·薩繆爾開發(fā)了一個(gè)跳棋程序，具有自我學(xué)習(xí)的能力，訓(xùn)練后可以挑戰(zhàn)人類專業(yè)跳棋選手。

同時(shí)，薩繆爾還提出了“機(jī)器學(xué)習(xí)”的概念。

1956年

在達(dá)特茅斯會(huì)議上，約翰·麥卡錫提出了“人工智能”的概念。因此1956年也被稱為人工智能元年。

1957年

羅森布拉特發(fā)明感知機(jī)，是機(jī)器學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)理論中神經(jīng)元的最早模型。

由于人工神經(jīng)網(wǎng)絡(luò)理論的突破，人工智能領(lǐng)域受到極大的關(guān)注，政府機(jī)構(gòu)投入了大筆資金建立了許多相關(guān)的項(xiàng)目。

1960年

維德羅首次將Delta學(xué)習(xí)規(guī)則用于感知器的訓(xùn)練步驟。這種方法后來被稱為最小二乘方法。

1967年

最近鄰算法kNN出現(xiàn)，由此計(jì)算機(jī)可以進(jìn)行簡(jiǎn)單的模式識(shí)別。

1969年

馬文·明斯基出版了《感知機(jī)》一書，書中提出了人工神經(jīng)網(wǎng)絡(luò)的局限。由于明斯基在人工智能領(lǐng)域的重要地位，同時(shí)由于人工智能研究領(lǐng)域出現(xiàn)了瓶頸，人工智能項(xiàng)目的研究者無法兌現(xiàn)之前的承諾，人們對(duì)于人工智能的樂觀期望遭到了嚴(yán)重打擊，許多項(xiàng)目的研究經(jīng)費(fèi)也被停止或轉(zhuǎn)移到其他項(xiàng)目，人工智能的研究陷入低谷。最為嚴(yán)重的是以人工神經(jīng)網(wǎng)絡(luò)為研究方向的連接主義學(xué)派受到打擊，研究陷入停滯狀態(tài)。

1982年

Hopfield提出一種新型的神經(jīng)網(wǎng)絡(luò)，后來被稱為Hopfield網(wǎng)絡(luò)，使用一種全新的方式進(jìn)行學(xué)習(xí)和處理信息。同時(shí)反向傳播算法，一種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法被提出，這種算法也是深度學(xué)習(xí)理論的重要算法之一。沉寂多年的人工神經(jīng)網(wǎng)絡(luò)方向的研究重新獲得發(fā)展。

1986年

昆蘭提出決策樹算法，又稱為ID3算法。相對(duì)于神經(jīng)網(wǎng)絡(luò)模型，決策樹ID3算法也被作為一個(gè)軟件，通過使用簡(jiǎn)單的規(guī)則和清晰的參考可以找到更多的現(xiàn)實(shí)生活中的使用情況。數(shù)據(jù)挖掘中決策樹是一種經(jīng)常要用到的技術(shù)，可以用于分析數(shù)據(jù)，同樣也可以用來作預(yù)測(cè)。

1990年

Freund和schapire改進(jìn)了Boosting算法，提出了AdaBoost（Adaptive Boosting）算法，該算法效率和Freund于1991年提出的Boosting算法幾乎相同，但更容易應(yīng)用到實(shí)際問題當(dāng)中。同年，機(jī)器學(xué)習(xí)領(lǐng)域中一個(gè)最重要的突破，支持向量機(jī)（SVM），由瓦普尼克和科爾特斯在大量理論和實(shí)證的條件下提出。從此將機(jī)器學(xué)習(xí)研究分為神經(jīng)網(wǎng)絡(luò)方向和支持向量機(jī)方向。

1997年

IBM的超級(jí)計(jì)算機(jī)深藍(lán)戰(zhàn)勝國(guó)際象棋世界冠軍卡斯帕羅夫，引起了世界的關(guān)注。

2001年

布雷曼提出集成決策樹模型，它是由一個(gè)隨機(jī)子集的實(shí)例組成，并且每個(gè)節(jié)點(diǎn)都是從一系列隨機(jī)子集中選擇。由于它的這個(gè)性質(zhì)，被稱為隨機(jī)森林（RF），隨機(jī)森林也在理論和經(jīng)驗(yàn)上證明了對(duì)機(jī)器學(xué)習(xí)中常常遇到的難題-過擬合的抵抗性。

2006年

神經(jīng)網(wǎng)絡(luò)專家Hinton提出神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法，使神經(jīng)網(wǎng)絡(luò)的能力大大提高，向支持向量機(jī)發(fā)出挑戰(zhàn)，同時(shí)開啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的浪潮。

2011年

由IBM創(chuàng)建的Watson，在電視游戲中擊敗了兩個(gè)前Jeopardy冠軍，肯詹寧斯和布拉德魯特。

Apple發(fā)布了Siri，Apple iOS操作系統(tǒng)的虛擬助手。Siri使用自然語言用戶界面來向其人類用戶推斷，觀察，回答和推薦事物。它適應(yīng)語音命令，并為每個(gè)用戶投射“個(gè)性化體驗(yàn)”。

2015-2017

谷歌DeepMind的AlphaGo，一個(gè)玩棋盤游戲Go的計(jì)算機(jī)程序，擊敗了各種（人類）冠軍。

2016年

一個(gè)名為Sophia的人形機(jī)器人由Hanson Robotics創(chuàng)建。她被稱為第一個(gè)“機(jī)器人公民”。Sophia與以前的類人生物的區(qū)別在于她與真實(shí)的人類相似，能夠看到（圖像識(shí)別），做出面部表情，并通過人工智能進(jìn)行交流。

2018年

三星推出虛擬助手Bixby。Bixby的功能包括語音，用戶可以在這里與他們交談并提出問題，建議和建議; 視覺，Bixby的“ 視覺 ”能力內(nèi)置于相機(jī)應(yīng)用程序中，可以看到用戶看到的內(nèi)容（即對(duì)象識(shí)別，搜索，購買，翻譯，地標(biāo)識(shí)別）; 和Home，Bixby使用基于應(yīng)用程序的信息來幫助用戶使用和交互（例如天氣和健身應(yīng)用程序）。