在深入学习之前,计算机视觉或语音系统能否良好工作取决于研究人员手动设计正确的输入特征——像SIFT和HOG这样的边缘探测器用于图像,音频的cepstral系数——这本身就是一种专门的工艺. 直接从原始数据中学习自身特征的网络使得这一设计工作在2012年的几年内大部分被淘汰.
手工特写工程师已不复存在。这里整理是什么消灭了它，以及哪个职业接手了那份工作。
1943–1956
The idea and the name
Warren McCulloch和Walter Pitts的1943年纸模神经元作为简单的逻辑开关给后来的研究者一个数学起点,艾伦·图灵的1950年关于对机器智能进行实际测试的建议给了这个问题一个公开的形状. 这两个想法都反馈到1956年的达特茅斯研讨会上,约翰·麦卡锡和三位同事为一次夏季会议铸造了"人工智能",其产生的技术进展远低于其组织者所希望的,但永久地命名了他们刚刚建立的这个领域.
当时还发生了什么
1950
图灵提议模仿游戏
在杂志Mind发表的"计算机械与情报"中,艾伦·图灵回避了问题"机器可以思考",而是提出一个实用的测试,预测在50年内,拥有大约十亿比特存储量的机器至少会愚弄一个平均审讯者30%的时间.
1956
达特茅斯工场命名场
John McCarthy,Marvin Minski,Nathaniel Rochester和Claude Shannon8周的达特茅斯暑期工作坊将“人工智能”一词铸成硬币,并聚集了大约10名研究人员,他们将继续寻找这个领域早期的研究议程。
1958
罗森布拉特建造了佩西德龙
弗兰克·罗森布拉特的Perceptron首先在软件中实施,然后在康奈尔的定制硬件中实施,通过调整自己的连接权重来学习对简单的图像进行分类——这是可训练人工神经网络的第一个工作演示.
1969–1974
第一个AI冬天开始
Marvin Minski和Seymour Papert1969年的著作"Perceptrons"在数学上证明,单层网络无法解决像XOR这样的简单问题,英国1973年的Lighthill报告得出结论,AI没有兑现承诺;为神经网络和一般AI研究在大西洋两侧崩溃提供资金.