人工智能发展史

2020-11-26 13:35:17 阅读：518 来源： 互联网

1. 关系

人工智能 -> 机器学习 -> 神经网络 - - > 深层神经网络

人工智能这一概念最早在1956年的达特茅斯会议上被提出，它的初衷是希望能让机器像人类一样，代替人类完成一些任务。正是有了这一需求，才催生了机器学习(1970s)的出现。在机器学习中有一个通过神经网络来进行学习的方法，称为神经网络。由于神经网络的学习效果极为显著，并在更多层网络模型下表现效果更佳，所以出现了深层神经网络。

2. 发展时间线

第一阶段：
- 1943 - 心理学家 Warren McCulloch 和逻辑学家 Walter Pitts 根据生物神经元(Neuron)结构，提出了最早的神经元数学模型，称为 MP 神经元模型
- 1956 - 人工智能在达特茅斯会议上被首次提出
- 1958 - 美国心理学家 Frank Rosenblatt 提出了第一个可以自动学习权重的神经元模型，称为感知机(Perceptron)
- 1969 - 美国科学家 Marvin Minsky 等人在出版的《Perceptrons》一书中指出了感知机等线性模型的主要缺陷，即无法处理简单的异或 XOR 等线性不可分问题。这直接导致了以感知机为代表的神经网络相关研究进入了低谷期，一般认为 1969 年~1982 年为人工智能发展的第一次寒冬
第二阶段：
- 1974 - BP反向传播。美国科学家 Paul Werbos 在他的博士论文中第一次提出可以将 BP 算法应用到神经网络上
- 1982 - 循环连接的 Hopfield 网络被提出
- 1989 - LeNet被Yann LeCun等人提出，应用于手写数字识别
- 1997 - 循环神经网络变种之一 LSTM被 Jürgen Schmidhuber 提出，同年双向循环神经网络(RNN)也被提出。
- 遗憾的是，神经网络的研究随着以支持向量机(Support Vector Machine，简称 SVM 为代表的传统机器学习算法兴起而逐渐进入低谷，称为人工智能的第二次寒冬
第三阶段：
- 2006 - 深层神经网络(DNN)被提出
- 2012 - 图像识别AlexNet模型被提出
- 2014 - 生成对抗网络出现
- 2015 - TensorFlow发布
- 2016 - AlphaGo智能程序（围棋）
- 2017 - AlphaGo Zero 智能程序（围棋）
- 2018 - 机器翻译BERT
- 2019 - TensorFlow2.0 发布

3. 分类

3.1 学习方式分类：

监督学习
无监督学习
强化学习

3.2 机器学习分类：

线性回归（Linear Regression）
K均值（K-means，基于原型的目标函数聚类方法）
决策树（Decision Trees，运用概率分析的一种图解法）
随机森林（Random Forest，运用概率分析的一种图解法）
PCA（Principal Component Analysis，主成分分析）
SVM（Support Vector Machine，支持向量机）
ANN（Artificial Neural Networks，人工神经网络）

3.3 神经网络

前向神经网络
- DNN：深度神经网络
- CNN：卷积神经网络
反馈神经网络
- RNN：循环神经网络
- LSTM：逆递归神经网络
玻尔兹曼机
- RBM：受限玻尔兹曼机

标签：发展史,机器,人工智能,学习,提出,神经网络,神经元
来源： https://www.cnblogs.com/xpengp/p/14041763.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9