20-й век
Дальнейшая история машинного обучения
В 20 веке машинное обучение начинает активно развиваться благодаря достижениям в математике, статистике и компьютерных науках. Появляются первые алгоритмы для обработки данных, такие как перцептрон, а также начинают разрабатываться основы нейронных сетей и другие ключевые методы. С развитием компьютеров и увеличением объема доступных данных в 1990-х годах машинное обучение становится более практичным и широко используемым в различных областях, таких как распознавание образов, обработка естественного языка и рекомендательные системы.
Ранняя история (до 1940 г.)
1913: Андрей Марков представил цепи Маркова, которые позже становятся неотъемлемой частью различных приложений машинного обучения, включая обработку естественного языка и распознавание речи.
1925: Рональд Фишер опубликовал «Статистические методы для научных работников», введя многие статистические концепции, лежащие в основе машинного обучения, такие как оценка максимального правдоподобия.
1936: Алан Тьюринг представил концепцию машины Тьюринга в своей статье «О вычислимых числах», в которой объяснялось, как машины могут следовать набору инструкций (алгоритмов) для решения задач. Это становится основополагающим моментом для разработки алгоритмов машинного обучения.
1937: Магистерская диссертация Клода Шеннона в Массачусетском технологическом институте продемонстрировала, что булеву алгебру можно использовать для упрощения проектирования электрических коммутационных схем. Эта работа имела решающее значение для разработки цифровых компьютеров, которые впоследствии позволили выполнять сложные вычисления машинного обучения.
1938: Клод Шеннон опубликовал работу «Символический анализ релейных и коммутационных схем», в которой продолжил применение булевой алгебры к проектированию схем, что имело важное значение для создания компьютеров, способных выполнять алгоритмы машинного обучения.
Эра компьютеров с хранимой программой
1940: Изобретение первого компьютера общего назначения ENIAC по факту стало началом компьютеров, способных выполнять различные задачи. Он управлялся вручную, но тем не менее это стало прорывом в электронных вычислениях.
1949-1951: Разработка компьютеров с хранимой программой, таких как EDSAC и EDVAC, позволила компьютерам хранить данные и программы, что дало им возможность автоматически выполнять более сложные операции.
1943: Была создана модель нейронной сети с использованием электрических цепей, что явилось одним из самых ранних исследование того, как машины могут имитировать активность человеческого мозга. Это была ключевая концепция в машинном обучении, позже примененная к таким задачам, как распознавание образов и прочим.
Вычислительная техника и интеллект
1950: Алан Тьюринг опубликовал свою знаменитую статью «Вычислительная техника и интеллект», в которой исследовал вопрос: «Могут ли машины мыслить?» Это одна из самых ранних статей в области искусственного интеллекта, которая оказала огромное влияние на всё дальнейшее развитие всей области.
1952: Артур Сэмюэл разработал программу для игры в шашки для компьютеров IBM, которая улучшала свою производительность по мере игры. Это была одна из первых самообучающихся программ, ранний пример машинного обучения.
1959: Артур Сэмюэл придумал термин «машинное обучение», чтобы описать процесс, с помощью которого компьютеры могли учиться и совершенствоваться на основе опыта без явного программирования для каждой задачи.
1959: Первая нейронная сеть была успешно применена для решения реальной проблемы – удаления эха в телефонных линиях с помощью адаптивного фильтра, основополагающего применения ранних нейронных сетей.
1964: ELIZA – ранняя компьютерная программа обработки естественного языка, разработанная с 1964 по 1967 год в Массачусетском технологическом институте Джозефом Вайценбаумом.
1974: Советская шахматная машина «Каисса» была разработана в начале 1970-х годов в Институте управления в Москве, Советский Союз. Это была одна из первых шахматных программ, добившихся заметного успеха в компьютерных шахматных соревнованиях. Она выиграла первый чемпионат мира по компьютерным шахматам в Стокгольме, ознаменовав собой важную веху в истории искусственного интеллекта и игровых алгоритмов.
Первая «зима ИИ» (1974–1980)
1974–1980: Это был тяжелый период для исследователей искусственного интеллекта и машинного обучения. Были большие ожидания, но многие проекты искусственного интеллекта не дали результатов, что привело к сокращению государственного финансирования и общему отсутствию интереса. Это время застоя в развитии было названо «зимой ИИ».
Вторая «зима ИИ» (1987–1993)
1987–1993: Вторая «зима ИИ» наступила, когда интерес и финансирование искусственного интеллекта снова значительно упали. Этот спад был во многом обусловлен завышенными ожиданиями, которые не оправдались, отсутствием заметного прогресса и высокой стоимостью проектов искусственного интеллекта в то время. Многие амбициозные проекты либо не увенчались успехом, либо не дали ожидаемых результатов, что привело к сокращению финансирования со стороны государства и частного сектора. Шумиха вокруг искусственного интеллекта в 1980-х годах сменилась разочарованием, что вызвало этот второй период застоя в разработке ИИ.
Экспертные системы 80-х: возрождение
В 1980-х годах ИИ пережил возрождение с развитием экспертных систем, которые имитировали процесс принятия решений специалистами в определенных областях. Хотя эти системы оказались довольно полезными в определенных областях, их применение оставалось ограниченным.
Расцвет Интернета и эра машинного обучения
С появлением Интернета и экспоненциальным ростом доступности данных алгоритмы машинного обучения и нейронные сети обрели новую жизнь. Возможность анализировать и учиться на больших наборах данных открыла целый мир возможностей для применения ИИ в повседневной жизни.
1985: Исследователи Терри Сейновски и Чарльз Розенберг создали NETtalk, нейронную сеть, которая научилась произносить 20 000 слов всего за одну неделю, продемонстрировав потенциал машинного обучения для задач обработки языка.
1997: Компьютер Deep Blue от IBM попал в заголовки, победив чемпиона мира по шахматам Гарри Каспарова, став первым компьютером, победившим чемпиона-человека по шахматам. Это показало миру, что машинное обучение можно применять в стратегических играх, основанных на принятии решений.
Last updated