人工智能歷經62年的發展，已經成為新一輪產業變革的核心驅動力，正在對世界經濟、社會進步和人類生活產生極其深刻的影響。接下來就讓我們共同回顧一下人工智能誕生之初至今都發生了哪些不得不說的大事。
1.人工智能的誕生：達特茅斯會議（Dartmouth Conference）
1956年8月，在達特茅斯會議上，計算機科學家約翰·麥卡錫說服了與會者接受了“人工智能”作為該領域的名稱，這次會議也被認為是人工智能正是誕生的標誌。
2. 機器學習和完整的人工智能系統概念的誕生
1959年，IBM公司的計算機專家阿瑟·塞繆爾(Arthur Lee Samuel)創造了“機器學習”一詞，在他的文章中指出：“給電腦編程，讓它能通過學習比編程者更好地下跳棋。”塞繆爾基於其理論研究成果所編制的下棋程序是世界上第一個有自主學習功能的遊戲程序，曾在西洋跳棋比賽中一舉奪魁。
同一年時間裡，約翰·麥卡錫發表了文章《Programs with Common Sense》，提出了“Adivece Taker”概念，文章描述的假想程序可以被看成是第一個完整的人工智能系統。
影響：機器學習概念誕生，得益前輩們在這個領域的研究，才讓DeepMind公司在60年後成功開發了圍棋AI，挑落了人類棋手。機器學習也成為了人工智能領域裡最為重要的研究分支之一。
3. 人機首次對話
1966年，美國麻省理工學院（MIT）人工智能實驗室的約瑟夫·維森鮑姆在這一年開發了最早的自然語言聊天機器人ELIZA，能夠模仿臨床治療中的心理醫生，是最早的人機對話。ELIZA的實現技術是通過關鍵詞匹配規則對輸入進行分解，而後根據分解規則所對應的重組規則來生成回覆。簡而言之，就是將輸入語句類型化，再翻譯成合適的輸出。雖然 ELIZA 很簡單，但維森鮑姆本人對ELIZA的表現感到吃驚
影響：近年來，人機對話交互技術成為人工智能的熱點領域。眾多科技公司相繼推出了人機對話技術相關產品，並將人機對話交互技術作為其公司的重點研發方向。目前比較知名的產品有谷歌的Google Assistant和蘋果的 Siri等。Siri評價道，ELIZA是一位心理醫生，是她的啟蒙老師。
4. 日本造成第一個人形機器人
WABOT-1機器人
1973年，日本早稻田大學造出第一個人形機器人WABOT-1，它由肢體控制系統、視覺系統和對話系統組成。WABOT-1這個龐然大物會說日語，能抓握重物，通過視覺和聽覺感應器感受環境。對出生於1973年的它已算不錯了。到了1980年，早稻田大學更新了設計，研製出了WABOT-2，第二代能夠與人溝通，閱讀樂譜並演奏電子琴。
影響：人形機器人的誕生，滿足了許多人對機器人的最初想象，也為未來機器人的設計和開發奠定了基礎。不過，人工智能發展到1970年代，由於研究者對於項目難度評估不足，導致承諾無法兌現，讓人們當初對人工智能的樂觀期望遭到了嚴重打擊，人工智能遭遇打擊，研究經費被轉移到了那些目標明確的項目上。
5. AI寒冬來臨
在1984年的年度AAAI（美國人工智能協會是人工智能領域的主要學術組織之一。該協會主辦的年會AAAI是人工智能重要的學術會議之一）。會議上，人工智能專家羅傑·單克(Roger Schank)和馬文·明斯基警告“AI之冬”即將到來。預測AI泡沫破滅，投資資金也將如1970年代中期那樣減少。
影響：正如兩位人工智能專家所預言的，在他們發出警告後3年，確實發生了AI泡沫的破滅。到了上世紀80年代晚期，美國國防高級研究計劃局（Defense Advanced Research Projects Agency，簡稱DARPA）的新任領導認為人工智能並不是“下一個浪潮”，讓人工智能從狂熱追捧中一步步走向冷靜，人工智能的研究也造次遭遇經費危機。
6. “深藍”戰勝人類國際象棋冠軍
卡斯帕羅夫與“深藍”對戰情況
1997年5月，在紐約，卡斯帕羅夫輸掉了一場六局制比賽，對手是 IBM的深藍（Deep Blue），當時世界上最強大的國際象棋計算機。關於這場比賽，至今仍有許多爭議。首先，“深藍”的設計者有機會事先根據卡斯帕羅夫的戰略和風格以及所有的公開對局對深藍的程序進行針對性的改編。而卡斯帕羅夫就無法瞭解“深藍”的歷史記錄，因為“深藍”在每次對決之後就被會被微調，所以他完全就是在盲下。其次，人們忘記了，深藍挑戰賽分兩場，而卡斯帕羅夫贏得了1996年在費城舉行的第一場。在兩場比賽之間，IBM重新編碼了它的計算機，於是卡斯帕羅夫指控IBM作弊。
影響：IBM的“深藍”通過“窮舉法（brute force）”或者說暴力計算的方式，在計算遊戲步數的能力比人類強太多。輸掉比賽後，卡斯特羅夫也承認：機器在遊戲領域佔上風，是因為人類會犯錯誤。這次人類的失敗，也引發了人們新的思考：在國際象棋上贏了人類後，機器下一個爭奪的領域會是什麼？會是圍棋嗎？
7. ImageNET數據庫建立，最終幫助AI認出了貓
李飛飛與ImageNET
2006年，當時剛剛出任伊利諾伊大學香檳分校計算機教授的李飛飛發現，整個學術圈和人工智能行業都在苦心研究同一個概念：通過更好的算法來制定決策，但卻並不關心數據。
她意識到這種方法的侷限：如果使用的數據無法反映真實世界的狀況，即便是最好的算法也無濟於事。於是她的解決方案是建設更好的數據集。這是一個大型註釋圖像的數據庫，旨在幫助視覺對象識別軟件進行研究。
影響：由李飛飛帶頭此製作的數據集名為ImageNet，它作為論文於2009年發佈時，還只能以海報的形式縮在邁阿密海灘大會的角落裡，但卻很快成為了一場年度競賽：看看究竟哪種算法能以最低的錯誤率識別出其中的圖像所包含的物體。很多人都將此視作當今這輪人工智能浪潮的催化劑。到了2017年，優勝者的識別率就從71.8%提升到97.3%，超過了人類，並證明了更龐大的數據可以帶來更好的決策。
值得一提的還有一件事。2012年6月，人工智能專家吳恩達和谷歌人工智能部門負責人傑夫·迪恩做了一份實驗報告，他們給一個大型神經網絡展示1000萬張未標記的網絡圖像，然後發現神經網絡能夠識別出一隻貓的形象。
這些進步，都為今天人工智能領域圖像識別技術的發展起到了重要作用。
8. IBM超級計算機“沃森”Watson在智力問答比賽中戰勝人類
Watson在美國電視節目《危機邊緣》中戰勝人類
作為“深藍”的後輩，Watson是IBM推出的超級計算機，這臺以IBM創始人命名的超級電腦在2011年參加了美國著名智力節目《危機邊緣》（Jeopardy!，這檔節目可以理解為國內的開心辭典+幸運52），與真正的人類同場競技。最終Watson贏得了比賽，獲得了獎金。
影響：要參加這種智力比賽，擁有更多更快的核心計算是必須的，一塊單核CPU，要回答一道普通Jeopardy! 題需要的計算量大約要花2小時，而Watson平均只用3秒。硬件上的升級並不一定能戰勝人類，有時候對於一臺電腦來說，能聽懂題目也許是個更大的挑戰。
9. AlphaGo橫空出世，戰勝圍棋頂級棋手
AlphaGo與韓國職業棋手李世石九段比賽畫面
在AlphaGo出現前，人們普遍認為機器想要在圍棋領域戰勝人類至少還要10年時間。但這一切假定在2016年3月韓國的一家酒店被打破了。這個由英國初創公司DeepMind研發的圍棋AI以4：1的比分贏了人類職業棋手九段李世石。到了2017年5月，升級後的AlphaGo又在烏鎮戰勝了當時圍棋第一人柯潔九段。AlphaGo的棋藝增長迅速，勢如破竹。戰勝柯潔後，DeepMind仍未聽下研發腳步，隨後又推出了AlphaGo zero版本，做到了無師自通，甚至還可以通過“左右手互博”提高棋藝。
影響：AlphaGo的出現讓世人對人工智能的期待再次提升到前所未有的高度，在它的帶動下，人工智能迎來了最好的發展時代。而對於希望利用人工智能推動人類社會進步為使命的DeepMind來說，圍棋並不是AlphaGo的終極奧義，他們的目標始終是要利用AlphaGo打造通用的、探索宇宙的終極工具。
10. 上海舉辦2018世界人工智能大會
2018世界人工智能大會
經歷過62年的發展，人工智能已經成為新一輪產業變革的核心驅動力，正在對世界經濟、社會進步和人類生活產生極其深刻的影響。
正如62年前，美國達特茅斯會議的那場頭腦風暴討論會一樣，2018年上海世界人工智能大會將集聚全球人工智能領域最具影響力的科學家和企業家，以及相關政府的領導人，圍繞人工智能領域的技術前沿、產業趨勢和熱點問題發表演講和進行高端對話，打造世界頂尖的人工智能合作交流平臺。
影響：2018年，上海向全球人工智能界發出邀約，請各界有識之士齊聚上海，共同探討新一代人工智能的發展願景。本次大會以“人工智能賦能新時代”為主題，以“國際化、高端化、專業化、市場化”為特色，最權威的觀點和共識，最前沿的新技術、新產品、新應用、新理念將在這次的大會上討論發生，為應對人類發展面臨的共同難題、創造人類美好生活匯聚“中國方案”和“世界智慧”。
瞭解更多科技資訊關注 未來雲智能科技
