人工智能（AI）已经成为当下技术领域的热门话题，也是近年来大多数重大技术突破背后的驱动力。
事实上，在人们所了解的各种宣传炒作中，人们很容易忘记人工智能并不是什么新鲜事物。在上个世纪，人工智能已经走出了科幻小说，进入了现实世界。而使其成为可能的理论和基础计算机科学也已经存在数十年的时间。
迄今为止最令人惊叹的人工智能里程碑
自20世纪初计算开始出现以来，科学家和工程师已经明白，最终的目标是建立能够像人类大脑（已知宇宙中最复杂的决策系统）一样进行思考和学习的机器。
如今使用人工神经网络的尖端 学习是当前最先进的技术，而在这条道路上有许多里程碑。以下是人们通常认为最具里程碑意义事件的概述。
1637年－笛卡尔为创造人工智能奠定思想基础
早在机器人成为科幻小说的特征之前，科学家、哲学家勒内?笛卡尔就开始思考机器有一天将会思考和做出决定的可能性。虽然他错误地认为这些机器永远不会像人类那样说话，但他确定了机器之间的一种划分，有一天机器可能学会执行一项特定的任务，并且可能会适应任何工作。如今，这两个领域被称为专业人工智能和通用人工智能。因此在许多方面，可以说，笛卡尔的想法为创造人工智能奠定了思想基础。
1956年－达特茅斯会议
随着神经网络和机器学习等理念的出现，达特茅斯学院教授约翰?麦卡锡创造了“人工智能”这一术语，并组织了一次夏季研讨会，汇集了该领域的顶尖专家。
在这个头脑风暴会议期间，专家试图建立一个框架，以便开始学习探索和开发可以“思考”的机器。许多技术领域是当今先进人工智能技术发展的基础，其中包括自然语言处理、计算机视觉和神经网络，这都是会议议程的一部分。
1966年－ ELIZA开始为计算机带来声音
ELIZA是由Joseph Weizenbaum在麻省理工学院开发的，这可能是世界上第一个聊天机器人，它也是Alexa和Siri等聊天机器人的直系祖先。ELIZA代表了自然语言处理的早期实现，其目的是教会计算机采用人类语言与人们交流，而不是要求人们采用计算机代码对它们进行编程，或通过用户界面进行交互。ELIZA不能像Alexa那样说话，而通过文本进行交流，而且它无法从与人类的对话中学习。尽管如此，它为以后突破人类与机器之间的沟通障碍的努力铺平了道路。
1980年－ XCON和有用人工智能的兴起
Digital Equipment Corporation的Xcon专家学习系统于1980年部署。到1986年，该公司每年可节省4000万美元。这一点很重要，因为做到这些之前，人工智能系统通常被认为是令人印象深刻的技术壮举，其实际使用范围有限。现在很明显，智能机器的商业化应用已经开始了，到1985年，企业每年在人工智能系统上花费10亿美元。
1988年－ 一种统计方法
IBM公司研究人员发布了一种语言翻译统计方法，将概率原理引入到机器学习的规则驱动领域。它解决了人类语言（法语和英语）之间自动翻译的挑战。
这标志着重点转向设计程序，以根据他们接受培训的信息（数据）确定各种结果的概率，而不是训练它们来确定规则。在模仿人类大脑的认知过程方面，这通常被认为是一个巨大的飞跃，并构成了当今使用的机器学习的基础。
1991年 － 互联网的诞生
这一点的重要性不容小觑。1991年，欧洲原子核研究会（CERN）研究员蒂姆?伯纳斯?李（Tim Berners－Lee）将全球第一个网站放在全球互联网上，并公布了超文本传输协议（HTTP）的工作原理。几十年来，计算机一直在连接以共享数据，主要是在教育机构和大型企业进行。但是，全球互联网的到来是整个社会将人们带入网络世界的催化剂。在短短的几年内，来自世界各地的人们以前所未有的速度连接、生成和共享数据，而这是人工智能的燃料。
1997年 － 深蓝击败了世界象棋冠军加里卡斯帕罗夫
IBM公司国际象棋超级计算机并没有使用当今标准认为是真正的人工智能的技术。从本质上讲，它依赖于“蛮力”的方法来高速计算每个可能的选项，而不是分析游戏并在游戏中学习。然而，从宣传的角度来看，这一点很重要，引起了人们的注意，即计算机的发展非常迅速，并且越来越能够胜任人类以前从未挑战过的活动。
2005年－ DARPA大挑战赛
2005年是美国国防高级研究计划局（DARPA）举办大型挑战赛的第二年，这是一场在莫哈韦沙漠中超过100公里越野地形的自动驾驶车辆比赛。2004年，所有参赛者都没有成功完成这项挑战。然而，在接下来的一年里，有五辆自动驾驶车辆获得成功，斯坦福大学开发团队的自动驾驶车辆以其最快到达而获得殊荣。
其比赛的目的是促进自主驾驶技术的发展，当然也做到了这一点。到2007年，为自动驾驶车辆建造了一个模拟的城市环境，这意味着他们必须能够处理交通规则和其他移动车辆。
2011年 － IBM Watson在Jeopardy！竞争中获得胜利
认知计算引擎Watson与电视游戏节目Jeopardy！的冠军进行竞赛，并击败他们，获得100万美元的奖金。这一点意义重大，因为虽然深蓝计算机已经在十多年前证明了一种可以用数学方式描述围棋游戏，就像国际象棋可以通过蛮力计算来征服，计算机在基于语言的环境下击败人类，这种创造性思维游戏是闻所未闻的。
2012年—— 学习的真正力量向世界展示——计算机学会识别猫
斯坦福大学和谷歌公司的研究人员（其中包括Jeff Dean和Andrew Ng）发表了名为 “使用大规模无监督学习构建高级特征”的论文，这是基于以前对多层神经网络（称为 神经网络）的研究。
他们的研究探索了无监督学习，这种学习可以在数据被用于训练机器学习算法之前，消除手工标记数据的昂贵而耗时的任务。它将加快人工智能开发的步伐，并开辟一个新的可能性世界，当涉及到建造机器来完成工作时，直到现在只能由人类完成。具体来说，他们特别指出其系统在识别猫的照片方面已颇具能力。
该论文描述了一种模型，该模型可以构建包含大约10亿个连接的人工网络。并承认，虽然这是向构建“人工大脑”迈出的重要一步，但仍有一些路要走——人类大脑中的神经元被认为是由大约10万亿个连接器组成的网络连接起来的。
2015年 －机器比人类“看得更清楚”
一年一度的ImageNet挑战的研究人员宣称机器目前在识图方面的表现优于人类。在这个挑战中，算法竞相展示它们对识别和描述1000张图像库的熟练程度。
自从2010年比赛开始以来，获胜算法的准确率从71．8％提高到97．3％，研究人员为此宣称，计算机可以比人类更准确地识别视觉数据中的物体。
2016年 – AlphaGo得到更加深入的发展
长期以来，棋类游戏一直是展示思维机器能力的一种选择方法，2016年由Deep Mind（现为谷歌公司的子公司）创建的AlphaGo在五场比赛中击败了世界围棋冠军Lee Sedol，这一趋势成为头条新闻。虽然围棋的步骤可以用数学来描述，但围棋中下棋的各种变化的数量（围棋中可能有10万个以上的开局动作，而国际象棋中可能有400个开局动作）使得蛮力计算方法变得不切实际。AlphaGo使用神经网络研究游戏并在游戏中学习。
2018年 － 自动驾驶汽车上路行驶
自动驾驶汽车的开发是当今虚拟现实的一个主要使用案例——这个应用比其他任何一个都更能激发人们的想象力。就像那些为他们提供驱动力的人工智能一样，它们不是一夜之间出现的东西，尽管对于那些没有关注技术趋势的人来说它可能会出现。而斯坦福公司开发月球车于1961年首次亮相，最初的目的是为了探索月球车辆的功能，后来又被重新设计成一种自动驾驶车辆。
毫无疑问，2018年是人工智能发展一个重要的里程碑，谷歌公司分拆出的Waymo公司在亚利桑那州凤凰城提供自驾车出租服务。第一个商业自动驾驶汽车租赁服务Waymo One目前正为400名支付费用的用户提供服务，这些自动驾驶汽车将在100平方英里范围内的学校和工作场所中行驶。
虽然目前每一辆车都有一名工作人员监控汽车的驾驶表现，并在紧急情况下采取控制措施，但这无疑标志着迈向未来的重要一步，自动驾驶汽车将成为所有人所面临的现实。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
