L'histoire du développement de l'IA
0 Rapport
Ce modèle décrit de manière systématique l'évolution complète de l'intelligence artificielle, de ses origines théoriques à son développement actuel florissant. Il vise à aider les apprenants, les chercheurs et les praticiens à appréhender rapidement la trajectoire itérative, les avancées majeures et les tendances futures de cette technologie. Le modèle utilise une chronologie comme cadre principal, divisant le développement en plusieurs étapes importantes (telles que le symbolisme, les systèmes experts, l'apprentissage automatique, l'apprentissage profond et l'IA générative). Chaque étape aborde des dimensions clés comme les technologies fondamentales, les événements marquants, les figures clés, les résultats d'application et les limites. Grâce à ce cadre structuré, il garantit une vue d'ensemble claire, ciblée et causale de l'histoire du développement de l'IA, évitant les résumés chronologiques fragmentés ou subjectifs et fournissant une perspective historique solide pour la compréhension technologique, la recherche académique et les décisions de l'industrie.
Recommandations connexes
Autres œuvres de l'auteur
Plan/Contenu
Voir plus
Germination précoce (1950s - 1960s)
Naissance du concept
Le test de Turing
La thèse d'Alan Turing, "Computer and Intelligence"
Terminologie de l'intelligence artificielle
Conférence de Dartmouth de 1956
Exploration théorique fondamentale
Symbolisme AI
Raison logique et résolution de problèmes
Le connectivisme embryonnaire
Présentation et développement du percepteur
Application précoce et attentes optimistes
Démonstration du théorème de la machine
Machine de démonstration de théorèmes géométriques
Processus du langage naturel précoce
Programme de chat Eliza
Le premier précurseur de l'hiver froid
Le goulot d'étranglement technique apparaît
Puissance de calcul et limitations de données
Des attentes trop élevées entraînent une baisse du financement
Période de l'IA classique (1970s - 1980s)
L'émergence du système expert
Expression et raisonnement des connaissances
Système de diagnostic médical MYCIN
Application commerciale réussie
Système de configuration XCON
L'ingénierie des connaissances devient le cœur
Base de règles massive construite
Lancement du projet de base de connaissances Cyc Common Sense
Acquisition de connaissances Goul d'étranglement
Devenir un problème de développement du système
Programme informatique japonais de cinquième génération
Conçu pour réaliser des ordinateurs intelligents
Traitement parallèle et programmation logique
Impacts et suivi
stimuler la recherche dans d'autres pays
Le deuxième hiver
Exposition aux limites du système expert
Difficulté de maintenance, vulnérabilité
L'investissement et l'intérêt baissent à nouveau
Recherche sur les réseaux de neurones froids
La montée de l'apprentissage automatique (1990 - 2000s)
Intégration des méthodes d'apprentissage statistique
Support Vector Machine (SVM)
Excellent dans les tâches de classification
Réseau bayésien
Traiter les informations d'incertitude
Puissance de calcul et croissance des données
Loi de Moore action continue
Amélioration des performances informatiques
Internet génère des données massives
Carburant pour l'apprentissage automatique
La compétition favorise le développement
Échecs Milestones
Le Deep Blue bat Kasparov
Progrès de la traduction automatique
Méthode de traduction automatique statistique
Préparation à la revitalisation du réseau de neurones
Amélioration de l'algorithme de propagation inverse
Résoudre le problème de formation Deep Network
Support du développement hardware
Les GPU commencent à être utilisés pour le calcul
L'apprentissage profond et la nouvelle ère (2010s à présent)
Deep Learning Breakthrough
La révolution de la reconnaissance d'image
AlexNet remporte le concours ImageNet
Le Deep Learning Framework est populaire
TensorFlow, PyTorch apparaît
Big Data et puissances informatiques
Les géants de l'Internet investissent
De grandes quantités de données et de ressources informatiques
Les services cloud computing sont populaires
Réduire le seuil de R & D
Explosion des applications
Processus du langage naturel Le saut
Modèle de transformateur avec BERT, GPT
La vision par ordinateur est partout
Reconnaissance faciale, conduite automatique
AI sort du laboratoire
Système de recommandation, assistant intelligent
Tendances et défis actuels
Modèles de langage à grande échelle et IA générative
Applications de niveau phénoménal telles que ChatGPT
Éthique et gouvernance
Bias, sécurité, impact sur l'emploi
L'intelligence artificielle et l'intégration sociale
L'avenir de l'AGI (Intelligence Artificielle Générale)
Collecter
Collecter
Collecter
0 Commentaires
Page suivante