AI의 역사: 타임라인, 발전 및 개발

게시 됨: 2020-09-04

인공 지능은 인간의 지능을 모방하기 위한 일련의 기술, 이론, 과학 및 알고리즘을 포함하는 60년의 젊은 영역입니다. 인공 지능은 우리 삶에서 매우 중요한 역할을 합니다. 산업 혁명은 인공 지능의 구현과 함께 비즈니스에서 많은 발전을 이루었습니다. 이 블로그에서 우리는 인공 지능의 역사에 대한 전망을 논의할 것입니다 .

인공 지능

원천

목차

인공 지능이란 무엇입니까?

인공 지능은 일반적으로 인간이 수행하는 작업 및 활동을 수행하는 기계의 능력으로 정의됩니다. 인공 지능은 유용한 통찰력을 만들기 위해 방대한 양의 데이터를 구성하고 수집합니다. 기계 지능이라고도 합니다. 컴퓨터 과학의 영역입니다.

읽기: AI에서의 직업 기회

타임라인 소개

수학 및 컴퓨터 과학 외에도 경제학, 심리학, 신념 및 생명 공학의 기여는 인공 지능의 역사를 통틀어 주목할 만합니다 . 모든 것이 시작된 정확한 타임라인은 1950년이었습니다. John McCarthy는 인공 지능이라는 단어를 도입했습니다. John은 Allen Newell, Alan Turing, Marvin Minsky, Herbert A Simon과 함께 인공 지능의 창시자입니다. 그들은 인공 지능 의 역사에 크게 기여했습니다 .

AI의 발전과 발전: 인공 지능의 간략한 역사

  • AI 발전의 가장 결정적인 추진력은 2차 세계 대전 중이었습니다. Marvin Minsky는 1950년에 최초의 중립 컴퓨터를 소개했습니다. 같은 해 Alan Turing도 Turing 테스트를 개발했습니다.
  • 1952년의 타임라인은 인공 지능 의 역사를 통틀어 중요한 역할을 합니다 . 문제 해결 개발은 인간의 문제 해결 접근 방식을 모방하도록 설계되었습니다. Arthur Samuel은 1952년에 자가 학습 프로젝트를 시작했습니다.
  • 1954년에 IBM 조직은 자동 기계 번역을 실험했습니다.
  • 1956년 Herbert Simon과 Allen Newell은 논리 이론가들의 첫 번째 추론 프로젝트를 개발했습니다.
  • 1959년 IBM 조직의 Nathaniel Rochester는 기하 정리를 증명하는 프로그램을 개발했습니다. Arthur Samuel은 기계 학습이라는 문구를 개발했습니다. Marvin Minsky와 John McCarthy도 MIT AI 프로젝트를 제안했습니다.
  • McCarthy는 1963년 Stanford에서 인공 지능 연구실을 시작했습니다.
  • 1966년부터 1973년까지 인공지능의 성장에 영향을 미친 산출물이 부족했습니다. 계산 알고리즘의 복잡성은 이 타임라인에서 인공 지능의 발전을 제한합니다. Stanford의 연구원들은 질량 분석기 정보에서 DENDRAL을 도입했습니다.
  • 그 일정 이후, 연구원들은 AI 관련 애플리케이션에 집중했습니다.
  • 1972년에 PROLOG 언어가 개발되었습니다.
  • 1974년 타임라인에 개발된 컴퓨터 시스템의 물결. 시간이 지남에 따라 점차 저렴해지고 더 많은 데이터를 저장할 수 있습니다. 인공 지능 역사의 가장 좋은 점은 이 타임라인에서 NLP(자연어 처리)를 달성했다는 것입니다.
  • 1980년의 타임라인은 인공지능의 해였다. AI 연구는 도구와 자금의 성장과 함께 진행됩니다. 이 타임라인 은 인공 지능의 역사를 통틀어 AI의 새로운 시대를 열었습니다 . Digital Equipment Corporation으로 알려진 최초의 상용 시스템은 1980년에 개발되었습니다.
  • 5세대 컴퓨터 프로젝트는 1982년 일본 무역 산업성에 의해 시작되었습니다.
  • 미국 정부는 1983년 전략적 컴퓨팅 프로젝트를 개발했습니다.
  • 2000년대의 타임라인은 인공지능의 랜드마크다.
  • 2005년, 자율주행은 DARPA의 그랜드 챌린지에서 우승했습니다.
  • 2008년 Google은 음성 인식 기술을 발전시켰습니다.
  • 구글은 2014년 자율주행차를 만들었다.

또한 읽기: 인도의 인공 지능 급여

인공지능은 어디에나 있다

인공지능은 나날이 발전하고 있습니다. 오늘날 AI는 어디에나 있습니다. AI 연구는 지속적으로 증가하고 있습니다. 인공 지능은 이제 삶의 모든 단계에서 보편화되었습니다. 이제 인간과 기계가 함께 작동하기 시작하면서 조직과 작업장이 더욱 효율적이고 지능화되고 있습니다. 인공 지능 사용 사례는 은행, 제조, 기술, 엔터테인먼트, 날씨 예측, 마케팅, 건강 진단 등과 같은 다양한 산업에서 생산적이었습니다. u pGrad 는 이러한 주제에 대해 여러 다른 블로그를 제공합니다. 웹 사이트를 방문하여 그러한 주제에 대해 자세히 읽을 수 있습니다.

판결

인공 지능의 역사 에서 여정 은 엄청납니다. 교육, 의료, 전기, 전자 상거래 및 기술을 시작으로 오늘날 모든 것이 자동화됩니다. AI 기술은 인간의 추론과 사고를 요구하는 여러 작업을 수행합니다. 인지 심리학은 인지 과학의 모든 발전 영역을 위한 주요 도구 중 하나입니다. 인공 지능 기술은 효과와 효율성을 달성하는 데 도움이 되었습니다. 이제 기계는 가장 똑똑한 인간을 수행할 수 있습니다.

기계 학습 및 AI에 대해 자세히 알아보려면 IIIT-B 및 upGrad의 기계 학습 및 AI PG 디플로마를 확인하세요. 이 PG 디플로마는 일하는 전문가를 위해 설계되었으며 450시간 이상의 엄격한 교육, 30개 이상의 사례 연구 및 과제를 제공합니다. IIIT-B 동문 자격, 5개 이상의 실용적인 실습 캡스톤 프로젝트 및 최고의 기업과의 취업 지원.

인공 지능을 사용하는 것의 한계는 무엇입니까?

고품질 데이터의 가용성은 AI 구현의 가장 중요한 장애물 중 하나입니다. 데이터는 종종 일관성이 없고 품질이 낮아 AI에서 대규모로 가치를 창출하려는 기업에 장애물이 됩니다. 변화하는 기업 환경에 대응하기 위해서는 소프트웨어 프로그램을 정기적으로 업데이트해야 합니다. 전체 인공 지능 시스템은 비용이 많이 들고 많은 산업에서 이를 감당할 수 없습니다. 기계가 창의적인 방식으로 작동할 것으로 기대할 수는 없습니다. 이 경우 사람의 개입이 필요합니다.

기계 학습과 인공 지능은 어떻게 관련되어 있습니까?

기계 학습은 인공 지능의 하위 집합입니다. 본질적으로 인공 지능을 실행하는 한 가지 방법입니다. 머신 러닝은 데이터와 알고리즘을 사용하여 사람들이 배우는 방식을 모방하는 데 중점을 둔 인공 지능(AI) 및 컴퓨터 과학의 한 영역입니다. ML은 데이터에서 학습하고 예측하여 인간 지능이 필요한 문제를 해결하는 AI의 하위 집합입니다.

인공 지능을 배우려면 코딩 전문가가 되어야 하나요?

머신 러닝이나 인공 지능 분야의 전문가는 코딩에 대한 강한 이해가 필요하지만 Ml 모델 및 알고리즘, NumPy, Pandas, SciPy와 같은 다양한 라이브러리를 사용할 수 있는 능력, Hadoop을 사용하여 분산 시스템 개발 기술에 중점을 둡니다. , 다른 것들 사이. 인공 지능을 잘하려면 많은 프로그래밍 언어에 대한 기본 이해가 필요하지만 전문가가 될 필요는 없습니다.