人工智能的历史:时间轴、进步与发展

已发表: 2020-09-04

人工智能是一个有 60 年历史的年轻领域,其中包括一套模仿人类智能的技术、理论、科学和算法。 人工智能在我们的生活中扮演着非常重要的角色。 随着人工智能的实施,工业革命使商业取得了很大的发展。 在这篇博客中,我们将讨论对人工智能历史的展望

人工智能

资源

目录

什么是人工智能?

人工智能被定义为机器执行通常由人类执行的任务和活动的能力。 人工智能组织和收集大量数据以产生有用的见解。 它也被称为机器智能。 它是计算机科学的一个领域。

阅读:人工智能的职业机会

时间线简介

除了数学和计算机科学之外,经济学、心理学、信念和生物工程的贡献在整个人工智能历史上都是显着的 一切开始的确切时间线是 1950 年。约翰·麦卡锡介绍了人工智能这个词。 约翰与艾伦·纽厄尔、艾伦·图灵、马文·明斯基和赫伯特·西蒙一起是人工智能的奠基人。 他们对人工智能历史做出了重大贡献

人工智能的进步与发展:人工智能简史

  • 人工智能进步最关键的推动力是在第二次世界大战期间。 马文·明斯基在 1950 年推出了第一台中性计算机。同年,艾伦·图灵还开发了图灵测试。
  • 1952 年的时间线在人工智能的整个历史中起着至关重要的作用 问题解决开发旨在模仿人类解决问题的方法。 亚瑟塞缪尔在 1952 年发起了一个自学项目。
  • 1954 年,IBM 组织尝试了自动机器翻译。
  • 1956 年,Herbert Simon 和 Allen Newell 开发了第一个逻辑理论家的推理项目。
  • 1959 年,IBM 组织的 Nathaniel Rochester 开发了一个程序来证明几何定理。 亚瑟塞缪尔开发了机器学习这个短语。 Marvin Minsky 和 ​​John McCarthy 也提出了 MIT AI 项目。
  • 1963 年,麦卡锡在斯坦福创立了人工智能实验室。
  • 从 1966 年到 1973 年,缺乏影响人工智能发展的产出。 计算算法的复杂性限制了人工智能在这个时间线上的进步。 斯坦福大学的研究人员从质谱仪信息中引入了 DENDRAL。
  • 在那个时间表之后,研究人员专注于人工智能特定的应用程序。
  • 1972 年,开发了 PROLOG 语言。
  • 计算机系统浪潮在 1974 年的时间线上发展起来。随着时间的推移,它们变得越来越便宜,并且可以存储更多的数据。 人工智能历史上最好的部分是它在这个时间线上实现了 NLP(自然语言处理)。
  • 1980 年的时间线是人工智能之年。 人工智能的研究随着工具和资金的增长而推进。 这条时间线开启了整个人工智能历史上的人工智能新时代 第一个商业系统,称为数字设备公司,于 1980 年开发。
  • 第五代计算机项目由日本通商产业省于 1982 年启动。
  • 美国政府于 1983 年制定了一项战略计算项目。
  • 2000 年代的时间线是人工智能的里程碑。
  • 2005年,自动驾驶赢得了DARPA的盛大挑战。
  • 2008 年,谷歌在语音识别方面取得了进展。
  • 2014 年,谷歌制造了自动驾驶汽车。

另请阅读:印度的人工智能薪资

人工智能无处不在

人工智能每天都在发展。 今天,人工智能无处不在。 人工智能研究不断增加。 人工智能现在已经在生活的各个阶段变得司空见惯。 现在,随着人类和机器开始协同运作,组织和工作场所变得更加高效和智能。 人工智能用例在银行、制造、技术、娱乐、天气预报、营销、健康诊断等各个行业都取得了成效。 u pGrad提供有关此类主题的多个其他博客。 您可以访问他们的网站以进一步阅读有关此类主题的信息。

判决

人工智能历史上的旅程是巨大的。 从教育、医疗保健、电力、电子商务和技术开始,今天一切都是自动化的。 人工智能技术执行多项需要人类推理和思考的任务。 认知心理学是认知科学所有进步领域的主要工具之一。 人工智能技术有助于实现有效性和效率。 现在,机器可以执行最聪明的人类。

如果您有兴趣了解有关机器学习和人工智能的更多信息,请查看 IIIT-B 和 upGrad 的机器学习和人工智能 PG 文凭,该文凭专为在职专业人士设计,提供 450 多个小时的严格培训、30 多个案例研究和作业, IIIT-B 校友身份、5 个以上实用的实践顶点项目和顶级公司的工作协助。

使用人工智能有什么限制?

高质量数据的可用性是人工智能实施的最大障碍之一。 数据经常不一致且质量低下,这对寻求大规模利用人工智能创造价值的公司构成了障碍。 为了应对不断变化的企业环境,必须定期更新软件程序。 整个人工智能系统的成本相当高,很多行业都买不起。 不能期望机器以创造性的方式运行。 在这种情况下需要人工干预。

机器学习和人工智能如何相互关联?

机器学习是人工智能的一个子集。 它本质上是一种将人工智能付诸实践的方法。 机器学习是人工智能 (AI) 和计算机科学的一个领域,专注于使用数据和算法来模仿人们的学习方式。 ML 是 AI 的一个子集,它通过从数据中学习和做出预测来解决需要人类智能的问题。

我需要成为编码专家才能学习人工智能吗?

机器学习或人工智能方面的专家需要对编码有深刻的理解,但重点是机器学习模型和算法,使用各种库(如 NumPy、Pandas 和 SciPy)的能力,以及使用 Hadoop 开发分布式系统的技能, 除其他事项外。 要在人工智能方面做得好,您需要对许多编程语言有基本的了解,尽管不需要成为这些语言的专家。