機器人會不會夢到“電子羊”？這可能是一個值得思考的未來的科幻的問題，但實際上，我們的現實生活已經發展到與科幻小說相似的地步。我們越來越接近“人工智能”。機器學習是人工智能的一個子集，其中計算機算法用於從數據和信息中自主學習。在機器學習中，計算機不一定要進行明確的編程，但可以自行更改和改進算法。
今天，機器學習算法使計算機能夠與人類通信、自動駕駛汽車、編寫和發佈運動比賽報告，並找到恐怖嫌犯。未來機器學習將大範圍影響大多數行業及其內部的工作，這就是為什麼每個經理都至少應該掌握一些機器學習以及它如何演變的原因。
在這篇文章中，提供了一段時間快速瀏覽機器學習的起源以及最近的里程碑。
1950年 - 艾倫圖靈創建“圖靈測試”來確定計算機是否具有真正的智能。要通過測試，計算機必須能夠欺騙人們，讓人類相信它也是同類。
1952年 - 亞瑟塞繆爾寫了第一部電腦學習程序。該程序是跳棋的遊戲，IBM計算機在遊戲中的改進程度越高，研究哪些舉措構成了制勝戰略，並將這些舉措納入其計劃。
1957年 - 弗蘭克羅森布拉特設計了計算機的第一個神經網絡（感知器），它能模擬人腦的思維過程。
1967年 - 編寫了“最近鄰”算法，允許計算機開始使用非常基本的模式識別。這可以用來為旅行推銷員制定路線，從一個隨機城市開始，並確保他們在短途旅行期間訪問所有城市。
1979年 - 斯坦福大學的學生髮明瞭“斯坦福推車”，它能夠在一個滿是椅子的房間裡繞開障礙物行進。
1981年 - Gerald Dejong介紹了基於解釋學習（EBL）的概念，其中計算機分析訓練數據，並通過丟棄不重要的數據創建它可遵循的一般規則。
1985年 - Terry Sejnowski發明了NetTalk，它學會像嬰兒一樣發音。
20世紀90年代 - 關於機器學習的研究從知識驅動型方法轉變為數據驅動型方法。科學家們開始創建計算機程序來分析大量數據，並從結果中得出結論或“學習”。
1997年 - IBM的深藍在國際象棋比賽中擊敗世界冠軍。
2006年 - Geoffrey Hinton將術語“深度學習”稱為解釋新算法，讓計算機“看到”並區分圖像和視頻中的對象和文本。
2010年 - 微軟Kinect可以以每秒30次的速度跟蹤20個人物特徵，讓人們可以通過動作和手勢與電腦進行互動。
2011年 - IBM的沃森擊敗其人類競爭對手。
2011 - Google大腦開發，其深層神經網絡可以像貓一樣學習如何發現並分類對象。
2012年 - Google的X實驗室開發了一種機器學習算法，能夠自主瀏覽YouTube視頻以識別包含貓的視頻。
2014 - Facebook開發DeepFace，這是一種軟件算法，能夠識別或驗證照片上的個人達到與人類相同的水平。
2015年 - 亞馬遜推出自己的機器學習平臺。
2015年 - 微軟創建了分佈式機器學習工具包，該工具包可以跨多臺計算機高效地分配機器學習問題。
2015年 - 史蒂芬霍金、伊隆馬斯克和史蒂夫沃茲尼亞克（等等）批准超過3000人工智能和機器人技術研究人員簽署公開信函，警告自主武器的危險，即在沒有人為干預的情況下選擇和參與目標。
2016 - 谷歌的人工智能算法在中國圍棋中擊敗了一名職業玩家，該遊戲被認為是世界上最複雜的棋盤遊戲，比國際象棋困難許多倍。圍棋比賽中，谷歌DeepMind開發的AlphaGo算法在五場比賽中都贏得了勝利。
那麼我們是否更接近人工智能？一些科學家認為這實際上是一個錯誤的問題。
他們認為計算機決不會像人腦那樣“思考”，而將計算機的計算分析和算法與人類大腦進行比較就像比較蘋果和橘子。
無論如何，電腦的視覺、理解和與周圍世界互動的能力正在以驚人的速度增長。隨著我們生產的數據量繼續呈指數增長，我們的計算機也能夠處理、分析和學習數據的增長和擴展。
閱讀更多 AI中國 的文章
