这里记录人工智能的大事件，内容可能不完整，将不定期补充和更新：
- 1943年：Warren S. McCulloch 和 Walter Pitts 提出了人工神经元模型。论文链接：A Logical Calculus of the Ideas Immanent in Nervous Activity。
- 1950年：A. M. Turing 提出了著名的图灵测试。论文链接：Computing Machinery and Intelligence。
- 1956年：达特茅斯会议 Dartmouth workshop。会议上对人工智能的概念进行了明确定义，并提出了一系列解决复杂问题的方法和算法。尽管达特茅斯会议并未立即引起广泛的关注，但它标志着人工智能作为一个独立领域的开始。
- 1957年：Rosenblatt, F. 提出了第一个可以学习的神经网络模型，称为感知器（Perceptron）。论文链接： The perceptron: A probabilistic model for information storage and organization in the brain。
- 1982年：J. J. Hopfield 提出 Hopfield 网络。论文链接：Neural networks and physical systems with emergent collective computational abilities。
- 1985年：David H. Ackley，Geoffrey E. Hinton 和 Terrence J. Sejnowski 提出玻尔兹曼机（boltzmann machine）。论文链接：A learning algorithm for boltzmann machines。
- 1986年：David E. Rumelhart，Geoffrey E. Hinton 和 Ronald J. Williams 给出反向传播算法。论文链接：Learning representations by back-propagating errors。
- 1997年：IBM的深蓝计算机击败国际象棋世界冠军加里·卡斯帕罗夫。论文链接：Deep Blue。
- 1998年：Lecun等人提出 LeNet-5，用于手写数字识别任务，是最早的卷积神经网络之一，为许多后续的深度学习架构奠定了基础。论文链接：Gradient-based learning applied to document recognition。
- 2009年：李飞飞教授发布 ImageNet 项目。这个项目对于推动深度学习、卷积神经网络等技术的发展起到了重要作用，成为了许多机器学习研究的基准数据集之一。论文链接：ImageNet: A large-scale hierarchical image database。
- 2012年：Alex Krizhevsky、Ilya Sutskever和 Geoffrey Hinton 提出 AlexNet 卷积神经网络。该模型利用深度卷积神经网络取得了 ImageNet 图像分类竞赛（ILSVRC）的胜利，标志着深度学习在计算机视觉领域的崛起。论文链接：ImageNet classification with deep convolutional neural networks。
- 2014年：Goodfellow 等人提出生成对抗网络（GAN），使得人工智能可以生成逼真的图像、视频和音频等内容。论文链接：Generative Adversarial Networks。
- 2015年：何恺明等人提出 ResNet（Residual Neural Network）模型，通过引入残差学习块解决了深度神经网络训练中的梯度消失问题，成为了图像分类任务中的重要模型。论文链接：Deep Residual Learning for Image Recognition。
- 2016年：DeepMind 的 AlphaGo 击败李世石和柯洁，这标志着人工智能在复杂游戏中的突破。论文链接：Mastering the game of Go with deep neural networks and tree search。
- 2017年：DeepMind 的 AlphaGo Zero 和 AlphaZero 通过自我学习在围棋、国际象棋和将棋领域击败了先前的AlphaGo版本，显示了强化学习在人工智能中的潜力。AlphaGo Zero 论文链接：Mastering the game of Go without human knowledge。AlphaZero 论文链接：A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play。
- 2017年： Google 发布了 Transformer 模型，这是一种革命性的自注意力机制模型，用于处理序列到序列的自然语言处理任务。论文链接：Attention Is All You Need。
- 2018年：Google 发布了 BERT 模型，这是一种预训练的自然语言处理模型，大大提升了自然语言理解的能力。论文链接：BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding。
- 2018年：OpenAI发布 GPT-1 模型。论文链接：Improving Language Understanding by Generative Pre-Training。
- 2019年：OpenAI 发布 GPT-2 模型。论文链接：Language Models are Unsupervised Multitask Learners。
- 2020年：OpenAI 发布 GPT-3 模型。论文链接：Language Models are Few-Shot Learners。
- 2022年11月30日：OpenAI 发布 ChatGPT。它在自然语言处理领域表现出色，被认为是人工智能发展历史上的重要里程碑之一。
- 2024年：John J. Hopfield 和 Geoffrey E. Hinton 获得2024年诺贝尔物理学奖。新闻链接：https://www.nobelprize.org/prizes/physics/2024/press-release/。
- ……
其他参考资料：
【说明：本站主要是个人的一些笔记和代码分享，内容可能会不定期修改。为了使全网显示的始终是最新版本，这里的文章未经同意请勿转载。引用请注明出处：https://www.guanjihuan.com】
