IT思维

将人工智能（AI）压缩到10个“需要记忆的时刻”并不容易。在数以百计的研究实验室和数千名计算机科学家的帮助下，编制一份每一项具有里程碑意义的成就的清单，都将是一份智能算法的工作。然而，我们已经仔细研究了历史书籍，为你带来了人工智能历史上最重要的10个里程碑式的发展。

Warren McCulloch和Walter Pitts的《 神经活动内在想法的逻辑演算 》可能听起来非常的普通，但它与计算机科学一样重要（甚至超过计算机科学）。其中，《 PageRank引文排名 》一文，催生了谷歌的诞生。在在《逻辑微积分》中， McCulloch和Pitts描述了如何让人造神经元网络实现逻辑功能。至此，AI的大门正式打开。

1956年，会议在达特茅斯学院占地269英亩的庄园举行。不幸的是，他们对于人工智能的发展有点过于乐观了。他们写到：“我们认为，如果一个精心挑选的科学家团队努力工作一个夏天，那我们就能取得重大进展。”然而事实证明，时间花得远比想象中的要多很多。

这是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法计算对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。

反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法，虽然它也用在一些无监督网络（如自动编码器）中。

它是多层前馈网络的Delta规则的推广，可以用链式法则对每层迭代计算梯度。反向传播要求人工神经元（或“节点”）的激励函数可微。简而言之，这意味着创作者可以通过在犯错时纠正错误来训练他们的网络。完成后，道具会修改神经网络中的不同连接，确保下次遇到同样问题时能得到正确的答案。

被称为“即将到来的技术奇点”，Vinge预测，在未来30年内，人类将拥有创造超级人工智能的能力。他写到：“不久之后，人类时代就会结束。”这是一个警告，和现如今特斯拉CEO马斯克所担心的一样。

几年后，一位名叫Dean Pomerleau的卡内基梅隆大学的研究人员建造了一辆自动驾驶的庞蒂克运输小货车，并沿海岸线从宾夕法尼亚州的匹兹堡到加州的圣地亚哥,共行驶了2797英里。相较于当今的自动驾驶技术，当时的这项技术像是小儿科，但是至少它证明了无人驾驶是可以实现的。

这一结果可能并没有证明人工智能有能力在有明确规则的问题上表现得异常出色，它仍然是人工智能领域的巨大飞跃。

事实证明，就像我们一样，即使是令人印象深刻的智能AI，也喜欢看视频，而且尤其喜欢猫科动物。