一文读懂机器学习简史：我们是否接近人工智能？

机器人会不会梦到“电子羊”？这可能是一个值得思考的未来的科幻的问题，但实际上，我们的现实生活已经发展到与科幻小说相似的地步。我们越来越接近“人工智能”。机器学习是人工智能的一个子集，其中计算机算法用于从数据和信息中自主学习。...



机器人会不会梦到“电子羊”？这可能是一个值得思考的未来的科幻的问题，但实际上，我们的现实生活已经发展到与科幻小说相似的地步。我们越来越接近“人工智能”。机器学习是人工智能的一个子集，其中计算机算法用于从数据和信息中自主学习。在机器学习中，计算机不一定要进行明确的编程，但可以自行更改和改进算法。

今天，机器学习算法使计算机能够与人类通信、自动驾驶汽车、编写和发布运动比赛报告，并找到恐怖嫌犯。未来机器学习将大范围影响大多数行业及其内部的工作，这就是为什么每个经理都至少应该掌握一些机器学习以及它如何演变的原因。

在这篇文章中，提供了一段时间快速浏览机器学习的起源以及最近的里程碑。

1950年 - 艾伦图灵创建“图灵测试”来确定计算机是否具有真正的智能。要通过测试，计算机必须能够欺骗人们，让人类相信它也是同类。

1952年 - 亚瑟塞缪尔写了第一部电脑学习程序。该程序是跳棋的游戏，IBM计算机在游戏中的改进程度越高，研究哪些举措构成了制胜战略，并将这些举措纳入其计划。

1957年 - 弗兰克罗森布拉特设计了计算机的第一个神经网络（感知器），它能模拟人脑的思维过程。

1967年 - 编写了“最近邻”算法，允许计算机开始使用非常基本的模式识别。这可以用来为旅行推销员制定路线，从一个随机城市开始，并确保他们在短途旅行期间访问所有城市。

1979年 - 斯坦福大学的学生发明了“斯坦福推车”，它能够在一个满是椅子的房间里绕开障碍物行进。

1981年 - Gerald Dejong介绍了基于解释学习（EBL）的概念，其中计算机分析训练数据，并通过丢弃不重要的数据创建它可遵循的一般规则。

1985年 - Terry Sejnowski发明了NetTalk，它学会像婴儿一样发音。

20世纪90年代 - 关于机器学习的研究从知识驱动型方法转变为数据驱动型方法。科学家们开始创建计算机程序来分析大量数据，并从结果中得出结论或“学习”。

1997年 - IBM的深蓝在国际象棋比赛中击败世界冠军。

2006年 - Geoffrey Hinton将术语“深度学习”称为解释新算法，让计算机“看到”并区分图像和视频中的对象和文本。

2010年 - 微软Kinect可以以每秒30次的速度跟踪20个人物特征，让人们可以通过动作和手势与电脑进行互动。

2011年 - IBM的沃森击败其人类竞争对手。2011 - Google大脑开发，其深层神经网络可以像猫一样学习如何发现并分类对象。

2012年 - Google的X实验室开发了一种机器学习算法，能够自主浏览YouTube视频以识别包含猫的视频。

2014 - Facebook开发DeepFace，这是一种软件算法，能够识别或验证照片上的个人达到与人类相同的水平。

2015年 - 亚马逊推出自己的机器学习平台。

2015年 - 微软创建了分布式机器学习工具包，该工具包可以跨多台计算机高效地分配机器学习问题。

2015年 - 史蒂芬霍金、伊隆马斯克和史蒂夫沃兹尼亚克（等等）批准超过3000人工智能和机器人技术研究人员签署公开信函，警告自主武器的危险，即在没有人为干预的情况下选择和参与目标。2016 - 谷歌的人工智能算法在中国围棋中击败了一名职业玩家，该游戏被认为是世界上最复杂的棋盘游戏，比国际象棋困难许多倍。围棋比赛中，谷歌DeepMind开发的AlphaGo算法在五场比赛中都赢得了胜利。

那么我们是否更接近人工智能？一些科学家认为这实际上是一个错误的问题。

他们认为计算机决不会像人脑那样“思考”，而将计算机的计算分析和算法与人类大脑进行比较就像比较苹果和橘子。

无论如何，电脑的视觉、理解和与周围世界互动的能力正在以惊人的速度增长。随着我们生产的数据量继续呈指数增长，我们的计算机也能够处理、分析和学习数据的增长和扩展。

IT168文库|中国最专业的IT文档分享平台，拥有百万活跃的IT技术精英！我们致力于有效帮助IT人士提升职业素养。

    关注 IT168文库