机器学习和人工智能发展简史

Year	Event
Antiquity	Hephaestus 和 Pygmalion 的希腊神话结合了智能机器人（如 Talos）和人造生物（如 Galatea 和 Pandora）的概念。
Antiquity	偃师 向周穆王赠送了机械人。
Antiquity	埃及和希腊建造的神圣机械雕像被认为具有智慧和情感。 Hermes Trismegistus 会写道“他们有感官和精神......通过发现众神的真实本质，人类已经能够复制它。” 马赛克法禁止在宗教中使用自动机。
384 BC– 322 BC	亚里士多德描述了三段论，这是一种形式的、机械的思维方法。
1st century	亚历山大的赫伦创造了机械人和其他自动装置。
260	Tyros 的 Porphyry 写了 Isagogê，它对知识和逻辑进行了分类。
~800	Geber 发展了 Takwin 的阿拉伯炼金术理论，在实验室中人工创造生命，直至并包括人类生命。
1206	Al-Jazari 创建了一个由机械人组成的可编程管弦乐队。
1275	西班牙神学家拉蒙·卢尔 (Ramon Llull) 发明了 Ars Magna，这是一种基于阿拉伯占星术工具 Zairja 以机械方式组合概念的工具。 17 世纪，戈特弗里德·莱布尼茨 (Gottfried Leibniz) 进一步发展了该方法。
~1500	帕拉塞尔苏斯声称用磁力、精子和炼金术创造了一个人造人。
~1580	据说布拉格拉比犹大·勒夫·本·贝扎勒发明了傀儡，一个被赋予生命的泥人。
Early 17th century	René Descartes 提出动物的身体只不过是复杂的机器（但精神现象是一种不同的“实体”）。
1623	Wilhelm Schickard在给开普勒的一封信上画了一个计算时钟。 这将是 17 世纪设计直接进入计算时钟的五次失败尝试中的第一次（包括 Tito Burattini、Samuel Morland 和 René Grillet 的设计）。
1641	托马斯霍布斯出版了利维坦并提出了一种机械的、组合的认知理论。 他写道：“……理性不过是算计”。
1642	Blaise Pascal 发明了机械计算器，这是第一台数字计算器
1672	Gottfried Leibniz 改进了早期的机器，使 Stepped Reckoner 能够进行乘法和除法。 他还发明了二进制数字系统，并设想了一种通用的推理演算（人类思想的字母表），通过它可以机械地决定论点。 莱布尼茨致力于为世界上的每一个物体分配一个特定的数字，作为所有可能问题的代数解决方案的前奏。
1726	Jonathan Swift 出版了《Gulliver’s Travels》，其中包括对引擎的描述，拉普塔岛上的一台机器：“一个通过实际和机械操作提高思辨知识的项目”通过使用这个“发明”，“最无知的人在一个合理的 充电，加上一点体力劳动，可以写哲学、诗歌、政治、法律、数学和神学方面的书籍，最少需要天才或学习的帮助。” 这台机器是对 Ars Magna 的模仿，这是 Gottfried Leibniz 机械装置的灵感之一。

1750	Julien Offray de La Mettrie 出版了 L'Homme Machine，它认为人类的思想是严格机械的。
1763	Thomas Bayes 的著作 An Essay to solve a Problem in the Doctrine of Chances 在他去世两年后出版，由 Bayes 的朋友 Richard Price 修改和编辑。文章介绍了支持贝叶斯定理的工作。
1769	Wolfgang von Kempelen建造并参观了他的国际象棋自动机 The Turk。 土耳其人后来被证明是一个骗局，涉及一名人类棋手。
1805	Adrien-Marie Legendre 描述了“méthode des moindres carrés”，在英语中称为最小二乘法。 最小二乘法广泛用于数据拟合。
1812	Pierre-Simon Laplace出版了概率分析理论 (Théorie Analytique des Probabilités)，其中扩展了贝叶斯的工作，并定义了现在称为贝叶斯定理的东西。
1818	Mary Shelley发表了《 Frankenstein或现代Prometheus》的故事，虚构了对创造有生命的人的伦理的思考。
1822–1859	Charles Babbage 和 Ada Lovelace 致力于可编程机械计算机。
1837	数学家Bernard Bolzano第一次尝试将语义形式化。
1854	George Boole 着手“研究进行推理的那些思维操作的基本规律，并用微积分的符号语言表达它们”，发明了Boolean 代数
1863	Samuel Butler提出，达尔文的进化论也适用于机器，并推测它们有一天会变得有意识并最终取代人类。
1913	Andrey Markov 首先描述了他用来分析一首诗的技巧。 这些技术后来被称为Markov 链。
1913	Bertrand Russell 和 Alfred North Whitehead 出版了数学原理，彻底改变了形式逻辑。
1915	Leonardo Torres y Quevedo 建造了一个国际象棋自动机 El Ajedrecista 并发表了关于思维和自动机的推测。
1920s and  1930s	Ludwig Wittgenstein和Rudolf Carnap将哲学引入对知识的逻辑分析。 Alonzo Church 开发了 Lambda 微积分来研究使用递归函数表示法的可计算性。
1923	Karel Čapek 的戏剧 R.U.R. (Rossum 的 Universal Robots) 在伦敦开演。 这是“robot”一词在英语中的首次使用。
1931	Kurt Gödel表明，足够强大的形式系统，如果一致，则允许制定任何定理证明机器无法证明的真定理，这些定理证明机器从公理中推导出所有可能的定理。 为此，他必须构建一种通用的、基于整数的编程语言，这也是他有时被称为“理论计算机科学之父”的原因。
1941	Konrad Zuse 建造了第一台可运行的程控计算机。
1943	Warren Sturgis McCulloch 和 Walter Pitts 发表了“神经活动内在思想的逻辑演算”（1943 年），为人工神经网络奠定了基础。
1943	Arturo Rosenblueth、Norbert Wiener 和 Julian Bigelow 创造了“控制论”一词。 维纳的同名畅销书于 1948 年出版。

1945	在 1944 年数学家约翰·冯·诺依曼和经济学家奥斯卡·摩根斯坦恩发表的论文《博弈论和经济行为》中，博弈论在人工智能的进步中被证明是无价的。
1945	Vannevar Bush 发表了 As We May Think（大西洋月刊，1945 年 7 月）对未来的先见之明，其中计算机在许多活动中帮助人类。
1948	E.T. Jaynes 引述在演讲中回应机器不可能思考的评论：“你坚持认为有些事情是机器不能做的。 如果你能准确地告诉我机器不能做什么，那么我总能制造出能做到这一点的机器！”。 冯·诺依曼大概是在暗指 Church-Turing 论文，该论文指出任何有效的程序都可以由（通用）计算机模拟。
1950	Alan Turing 提出了一种可以学习并成为人工智能的“学习机器”。 图灵的具体提议预示了遗传算法。
1950	Alan Turing 提出图灵测试作为机器智能的衡量标准。
1950	Claude Shannon发表了对将国际象棋进行下棋的详细分析。
1950	Isaac Asimov发表了他的机器人三定律。
1951	Marvin Minsky 和 Dean Edmonds 构建了第一台能够学习的神经网络机器 SNARC。
1951	第一个工作 AI 程序是在 1951 年编写的，在曼彻斯特大学的 Ferranti Mark 1 机器上运行：由 Christopher Strachey 编写的下棋程序和由 Dietrich Prinz 编写的下棋程序。
1952	Arthur Samuel 加入 IBM 的 Poughkeepsie 实验室并开始研究一些最早的机器学习程序，首先创建下棋的程序。
1952–1962	Arthur Samuel (IBM) 编写了第一个游戏程序，用于跳棋（跳棋），以获得足够的技能来挑战可敬的业余爱好者。 他的第一个下棋程序是在 1952 年编写的，并在 1955 年创建了一个可以学习下棋的版本。
1956	达特茅斯学院夏季人工智能会议由 IBM 的 John McCarthy、Marvin Minsky、Nathan Rochester 和 Claude Shannon 组织。 麦卡锡为这次会议创造了人工智能一词。
1956	逻辑理论家 (LT) 的第一个演示由 Allen Newell、J.C. Shaw 和 Herbert A. Simon（卡内基理工学院，现为卡内基梅隆大学或 CMU）编写。 这通常被称为第一个人工智能程序，尽管塞缪尔的跳棋程序也有很强的主张。
1957	Frank Rosenblatt 在康奈尔航空实验室工作时发明了感知器。 感知器的发明引起了极大的轰动，并被媒体广泛报道。
1958	John McCarthy（麻省理工学院或麻省理工学院）发明了 Lisp 编程语言。
1958	Herbert Gelernter 和 Nathan Rochester (IBM) 描述了几何学中的定理证明器，它以“典型”案例的图表的形式利用域的语义模型。
1958	关于思维过程机械化的 Teddington 会议在英国举行，提交的论文包括 John McCarthy 的 Programs with Common Sense、Oliver Selfridge 的 Pandemonium 和 Marvin Minsky 的启发式编程和人工智能的一些方法。
1959	通用问题求解器 (GPS) 是由 Newell、Shaw 和 Simon 在 CMU 期间创建的。

1959	John McCarthy和Marvin Minsky创立了麻省理工学院人工智能实验室。
Late 1950s, early 1960s	剑桥大学的 Margaret Masterman 及其同事设计了用于机器翻译的语义网。
1960s	Ray Solomonoff 为人工智能的数学理论奠定了基础，引入了用于归纳推理和预测的通用贝叶斯方法。
1960	J.C.R. Licklider著的《人机共生Man-Computer Symbiosis》
1961	James Slagle（博士论文，麻省理工学院）编写了（用 Lisp）第一个符号集成程序 SAINT，它解决了大学新生级别的微积分问题。
1961	在《Minds, Machines and Gödel/思想、机器和哥德尔》中，John Lucas从逻辑或哲学的角度否认了机器智能的可能性。 他提到了Kurt Gödel 1931 年的结果：足够强大的形式系统要么不一致，要么允许制定任何定理证明 AI 从公理导出所有可证明定理都无法证明的真定理。 由于人类能够“看到”这些定理的真相，因此机器被认为是低等的。
1961	Unimation 的工业机器人 Unimate 在通用汽车的汽车装配线上工作。
1963	Donald Michie 创造了一个由 304 个火柴盒和珠子组成的“机器”，它使用强化学习来玩井字游戏（也称为 noughts 和 crosses）。
1963	Thomas Evans的程序 ANALOGY 作为他在麻省理工学院博士工作的一部分编写，证明计算机可以解决与智商测试相同的类比问题。
1963	Edward Feigenbaum 和 Julian Feldman 出版了 Computers and Thought，这是第一部关于人工智能的文集。
1963	Leonard Uhr和Charles Vossler发表了“生成、评估和调整自己的算子的模式识别程序”，其中描述了最早的机器学习程序之一，它可以自适应地获取和修改特征，从而克服 Rosenblatt 的简单感知器的局限性。
1964	Danny Bobrow 在麻省理工学院的论文（麻省理工学院 AI 小组的技术报告 #1，Project MAC）表明，计算机可以很好地理解自然语言，可以正确解决代数单词问题。
1964	Bertram Raphael 在麻省理工学院关于 SIR 项目的论文展示了问答系统知识的逻辑表示的力量。
1965	J. Alan Robinson 发明了一种机械证明程序，即解析方法，它允许程序以形式逻辑作为表示语言有效地工作。
1965	Joseph Weizenbaum (MIT) 开发了 ELIZA，这是一个交互式程序，可以用英语就任何主题进行对话。 当一个“模拟”心理治疗师对话的版本被编程时，它是人工智能中心在 ARPANET 上的一个流行玩具。
1965	Edward Feigenbaum 发起了 Dendral，这是一项为期 10 年的努力，旨在开发使用科学仪器数据推断有机化合物分子结构的软件。 这是第一个专家系统。
1966	Ross Quillian（博士论文，卡内基技术学院，现为 CMU）展示了语义网络。
1966	爱丁堡机器智能研讨会 - 由 Donald Michie 和其他人组织的有影响力的年度系列中的第一个。

1966	多年来，关于机器翻译的负面报告扼杀了自然语言处理 (NLP) 的大量工作。
1967	最近邻算法被创建，这是基本模式识别的开始。 该算法用于映射路线。
1967	Dendral 程序（Edward Feigenbaum、Joshua Lederberg、Bruce Buchanan、Georgia Sutherland 在斯坦福大学）展示了解释有机化合物的质谱图。 第一个成功的基于知识的科学推理程序。
1968	Joel Moses（麻省理工学院博士）在 Macsyma 程序中展示了符号推理对积分问题的强大功能。 第一个成功的基于知识的数学课程。
1968	麻省理工学院的 Richard Greenblatt（程序员）构建了一个基于知识的国际象棋程序 MacHack，该程序足以在锦标赛中获得 C 级评级。
1968	Wallace和Boulton的程序Snob（Comp.J. 11(2) 1968），用于无监督分类（聚类），使用贝叶斯最小信息长度标准，是奥卡姆剃刀的数学实现。
1969	Marvin Minsky 和 Seymour Papert 出版了他们的书 Perceptrons，描述了感知器和神经网络的一些局限性。 这本书表明神经网络从根本上是有限的的解释被视为神经网络研究的障碍。
1969	斯坦福研究所 (SRI)：Shakey the Robot，展示了结合动物运动、感知和解决问题的能力。
1969	Roger Schank (Stanford) 定义了用于自然语言理解的概念依赖模型。 后来开发（在耶鲁大学的博士论文中）用于 Robert Wilensky 和 Wendy Lehnert 的故事理解，以及 Janet Kolodner 用于理解记忆。
1969	Yorick Wilks (Stanford) 开发了语言的语义连贯性观点，称为 Preference Semantics，体现在第一个语义驱动的机器翻译程序中，并且是许多博士论文的基础，如剑桥的 Bran Boguraev 和 David Carter。
1969	第一届国际人工智能联合会议（IJCAI）在斯坦福举行。
1969	Marvin Minsky 和 Seymour Papert 发表了 Perceptrons，展示了这种前馈两层结构以前未被认识到的局限性。 一些人认为这本书标志着 1970 年代人工智能寒冬的开始，这是对人工智能信心和资金的失败。 尽管如此，该领域的重大进展仍在继续（见下文）。
1969	McCarthy 和 Hayes 以他们的文章“从人工智能的角度来看一些哲学问题”开始了关于框架问题的讨论。
Early 1970s	Jane Robinson 和 Don Walker 在 SRI 建立了一个有影响力的自然语言处理小组。
Mid-1970s	Barbara Grosz (SRI) 对传统的 AI 话语建模方法建立了限制。 Grosz、Bonnie Webber 和 Candace Sidner 的后续工作发展了“居中”的概念，用于在自然语言处理中建立话语和照应参考的焦点。
Mid-1970s	David Marr 和麻省理工学院的同事描述了“原始草图”及其在视觉感知中的作用。
Late 1970s	斯坦福大学的 SUMEX-AIM 资源，由 Ed Feigenbaum 和 Joshua Lederberg 领导，展示了 ARPAnet 在科学合作方面的力量。

1970	Seppo Linnainmaa 发表了嵌套可微函数的离散连接网络的自动微分 (AD) 的一般方法。 这对应于现代版本的反向传播，但尚未命名。
1970	Jaime Carbonell (Sr.) 开发了 SCHOLAR，这是一种交互式程序，用于基于语义网作为知识表示的计算机辅助教学。
1970	Bill Woods 将增强转换网络 (ATN) 描述为自然语言理解的表示。
1970	麻省理工学院的帕特里克温斯顿博士项目 ARCH 从儿童积木世界的例子中学习概念。
1971	Terry Winograd的博士论文 (MIT) 将他的语言理解程序 SHRDLU 与执行用英语输入的指令的机械臂相结合，展示了计算机在有限的儿童积木世界中理解英语句子的能力。
1971	Boyer-Moore 定理证明器的工作始于爱丁堡。
1972	Karen Spärck Jones 发表了 TF-IDF 的概念，这是一种数字统计，旨在反映一个词对集合或语料库中的文档的重要性。数字图书馆领域 83% 的基于文本的推荐系统使用 tf-idf。
1972	由 Alain Colmerauer 开发的 Prolog 编程语言。
1972	Earl Sacerdoti 开发了第一个分层规划程序 ABSTRIPS。
1973	爱丁堡大学的组装机器人小组建造了 Freddy Robot，能够使用视觉感知来定位和组装模型。 （参见爱丁堡 Freddy 装配机器人：一种多功能的计算机控制装配系统。）
1973	Lighthill 报告对英国的 AI 研究给出了基本否定的结论，并构成了英国政府决定停止支持除两所大学之外的所有 AI 研究的决定的基础。
1974	Ted Shortliffe 关于 MYCIN 项目（斯坦福大学）的博士论文展示了一种非常实用的基于规则的医学诊断方法，即使存在不确定性也是如此。 虽然它借鉴了 DENDRAL，但它自己的贡献极大地影响了专家系统开发的未来，尤其是商业系统。
1975	Earl Sacerdoti 在他的 NOAH 系统中开发了偏序规划技术，取代了之前在状态空间描述中搜索的范式。 NOAH 在 SRI International 被应用于交互式诊断和修复机电系统。
1975	Austin Tate 开发了 Nonlin 分层规划系统，能够搜索部分计划的空间，其特征是计划潜在目标结构的替代方法。
1975	Marvin Minsky发表了他那篇关于框架作为知识表征的文章，其中汇集了许多关于模式和语义联系的观点，受到广泛阅读和影响。
1975	Meta-Dendral学习程序产生了化学方面的新成果（质谱法的一些规则），这是第一个由计算机在权威期刊上发表的科学发现。
1976	Douglas Lenat 的 AM 计划（斯坦福博士论文）展示了发现模型（对有趣猜想的松散引导搜索）。
1976	Randall Davis 在斯坦福大学的博士论文中展示了元级推理的力量。

1978	斯坦福大学的汤姆米切尔发明了版本空间的概念来描述概念形成程序的搜索空间。
1978	Herbert A. Simon 因其有限理性理论获得诺贝尔经济学奖，该理论是人工智能的基石之一，被称为“satisficing满足度”。
1978	由 Mark Stefik 和 Peter Friedland 在斯坦福大学编写的 MOLGEN 程序证明了面向对象的知识编程表示可用于计划基因克隆实验。
1979	斯坦福大学的学生开发了一种可以在房间内导航和避开障碍物的手推车。
1979	Bill VanMelle 在斯坦福大学的博士论文证明了 MYCIN 在他的 EMYCIN 程序中的知识表示和推理风格的普遍性，EMYCIN 程序是许多商业专家系统“壳”的模型。
1979	匹兹堡大学的 Jack Myers 和 Harry Pople 开发了 INTERNIST，这是一个基于 Myers 博士临床知识的知识型医学诊断程序。
1979	Cordell Green、David Barstow、Elaine Kant 和斯坦福大学的其他人展示了用于自动编程的 CHI 系统。
1979	由汉斯·莫拉维克 (Hans Moravec) 制造的斯坦福手推车在成功穿越满是椅子的房间并环绕斯坦福人工智能实验室后，成为第一辆由计算机控制的自动驾驶汽车。
1979	BKG 是由 CMU 的 Hans Berliner 编写的西洋双陆棋程序，它击败了卫冕世界冠军（部分靠运气）。
1979	麻省理工学院的 Drew McDermott 和 Jon Doyle 以及斯坦福大学的 John McCarthy 开始发表关于非单调逻辑和真值维护的形式方面的工作。
1980s	开发和销售 Lisp 机器。 第一个专家系统外壳和商业应用程序。
Mid-1980s	神经网络被广泛用于反向传播算法（Paul Werbos 于 1974 年首次描述）。
1980	Kunihiko Fukushima 首次发表了他关于新认知机（一种人工神经网络 (ANN)）的工作。 Neocognition 后来启发了卷积神经网络 (CNN)。
1980	美国人工智能协会（AAAI）第一届全国会议在斯坦福举行。
1981	Gerald Dejong 介绍了基于解释的学习，其中计算机算法分析数据并创建一个通用规则，它可以遵循并丢弃不重要的数据。
1981	Danny Hillis 设计了连接机器，它利用并行计算为 AI 和一般计算带来新的力量。 （后来创立了Later founds Thinking Machines公司）
1982	John Hopfield 推广了 Hopfield 网络，这是一种循环神经网络，可用作内容可寻址内存系统。
1982	第五代计算机系统项目 (FGCS) 是日本通产省的一项倡议，于 1982 年开始，旨在创建“第五代计算机”（参见计算硬件的历史），该项目应该利用大规模并行性执行大量计算 .
1983	John Laird 和 Paul Rosenbloom 与 Allen Newell 合作完成了关于 Soar（程序）的 CMU 论文。

1983	James F. Allen 发明了区间微积分，这是第一个广泛使用的时间事件形式化。
1985	Terry Sejnowski 开发了一个可以像婴儿一样学习发音的程序。
1985	由 Harold Cohen 创建的自主绘图程序 AARON 在 AAAI 全国会议上进行了展示（基于十多年的工作，随后的工作显示了重大进展）。
1986	反向传播的过程由 David Rumelhart、Geoff Hinton 和 Ronald J. Williams 描述。
1986	慕尼黑联邦国防军大学的 Ernst Dickmanns 团队制造了第一辆机器人汽车，在空旷的街道上以每小时 55 英里的速度行驶。
1986	Barbara Grosz 和 Candace Sidner 创建了第一个话语计算模型，建立了研究领域。
1987	Marvin Minsky发表了《心灵社会》(The Society of Mind)，将心灵理论描述为合作代理的集合。 在这本书出版之前，他已经就这个想法进行了多年的演讲（c.f. Doyle 1983）。
1987	大约在同一时间，Rodney Brooks 引入了包含架构和基于行为的机器人技术，作为更简约的自然智能模块化模型； 新AI。
1987	Alacritous Inc./Allstar Advice Inc. Toronto 商业推出 Alacrity 2.0 代，这是第一个商业战略和管理咨询系统。 该系统基于前向链、自行开发的专家系统，其中包含 3,000 条关于市场演变和竞争策略的规则，由公司创始人 Alistair Davidson 和 Mary Chung 共同撰写，底层引擎由 Paul Tarvydas 开发。 Alacrity 系统还包括一个解释财务报表和模型的小型财务专家系统。
1989	Christopher Watkins 开发了 Q-learning，大大提高了强化学习的实用性和可行性。
1989	Axcelis, Inc. 发布了 Evolver，这是第一个将遗传算法在个人计算机上的使用商业化的软件包。
1989	CMU 的 Dean Pomerleau 创建了 ALVINN（神经网络中的自主陆地车辆）。
Early 1990s	TD-Gammon 是由 Gerry Tesauro 编写的西洋双陆棋程序，它表明强化（学习）足够强大，可以通过与世界级玩家的竞争来创建冠军级别的游戏程序。
1990s	人工智能所有领域的重大进展，在机器学习、智能辅导、基于案例推理、多智能体规划、调度、不确定推理、数据挖掘、自然语言理解和翻译、视觉、虚拟现实、游戏和 其他话题。
Late 1990s	网络爬虫和其他基于人工智能的信息提取程序在万维网的广泛使用中变得必不可少。
Late 1990s	在麻省理工学院人工智能实验室演示智能房间和情绪动因。
Late 1990s	启动 Oxygen 架构的工作，该架构在自适应网络中连接移动和固定计算机。
1991	第一次海湾战争中部署的 DART 调度应用程序回报了 DARPA 30 年在人工智能研究方面的投资。

1992	Gerald Tesauro 开发了 TD-Gammon，这是一种计算机步步高程序，它使用人工神经网络，使用时间差分学习训练（因此得名“TD”）。 TDGammon 能够与顶级人类西洋双陆棋玩家的能力相匹敌，但无法始终超越。
1993	Ian Horswill 通过创建 Polly 扩展了基于行为的机器人技术，Polly 是第一个使用视觉导航并以类似动物的速度（1 米/秒）运行的机器人。
1993	Rodney Brooks、Lynn Andrea Stein 和 Cynthia Breazeal 与众多合作者启动了广为人知的 MIT Cog 项目，试图在短短五年内打造一个人形机器人儿童。
1993	ISX 公司凭借动态分析和重新规划工具 (DART) 赢得“年度 DARPA 承包商”，据报道，该工具偿还了美国政府自 1950 年代以来对人工智能研究的全部投资。
1994	搭载乘客的 Ernst Dickmanns 和 DaimlerBenz 的双机器人汽车 VaMP 和 VITA-2 在巴黎三车道高速公路上以高达 130 公里/小时的速度在标准繁忙的交通中行驶了 1000 多公里。 他们展示了在自由车道上的自动驾驶、车队驾驶以及左右变道以及其他汽车的自动超车。
1994	英语选秀（跳棋）世界冠军廷斯利在与计算机程序奇努克的比赛中辞职。 Chinook 击败了排名第二的玩家 Lafferty。 奇努克以有史以来最大的优势赢得了美国全国锦标赛。
1995	Tin Kam Ho 发表了一篇描述随机决策森林的论文。
1995	Corinna Cortes 和 Vladimir Vapnik 发表了他们在支持向量机方面的工作。
1995	“No Hands Across America”：一辆半自动驾驶汽车在 2,849 英里（4,585 公里）的范围内通过计算机控制的转向在美国海岸到海岸行驶了 2,797 英里（4,501 公里）。 油门和刹车由人类驾驶员控制。
1995	Ernst Dickmanns的一辆机器人汽车（带有机器人控制的油门和刹车）从慕尼黑开到哥本哈根，然后以高达 120 英里/小时的速度返回，行驶了 1000 多英里，偶尔会执行机动以超越其他汽车（仅在少数关键时刻） 安全驾驶员接管的情况）。 主动视觉用于处理快速变化的街景。
1997	IBM 的深蓝击败了国际象棋世界冠军。
1997	Sepp Hochreiter 和 Jürgen Schmidhuber 发明了长短期记忆（LSTM）循环神经网络，大大提高了循环神经网络的效率和实用性。
1997	深蓝国际象棋机器 (IBM) 击败了（当时的）世界国际象棋冠军加里·卡斯帕罗夫 (Garry Kasparov)。
1997	第一场正式的 RoboCup 足球（足球）比赛，有 40 支互动机器人团队和超过 5000 名观众参加的桌面比赛。
1997	计算机黑白棋程序 Logistello 以 6-0 的比分击败了世界冠军Takeshi 。
1998	由 Yann LeCun 领导的团队发布了 MNIST 数据库，该数据库由美国人口普查局员工和美国高中生的手写数字组成。 MNIST 数据库从此成为评估手写识别的基准。
1998	Tiger Electronics 的 Furby 发布，成为第一个成功尝试生产一种进入家用环境的人工智能。
1998	Tim Berners-Lee 发表了他的语义网络路线图论文。

1998	Leslie P. Kaelbling、Michael Littman 和 Anthony Cassandra 介绍了第一种离线解决 POMDP 的方法，在机器人技术和自动化规划和调度中广泛使用
1999	索尼推出了类似于 Furby 的改进型家用机器人，AIBO 成为首批具有自主性的人工智能“宠物”之一。
2000	交互式机器人（“智能玩具”）开始商用，实现了 18 世纪新奇玩具制造商的愿景。
2000	麻省理工学院的Cynthia Breazeal发表了她关于社交机器的论文，描述了 Kismet（机器人），其面部表情可以表达情感。
2000	Nomad 机器人探索南极洲的偏远地区，寻找陨石样本。
2002	Torch 是机器学习的软件库，首次发布。
2002	iRobot 的 Roomba 在导航和避开障碍物的同时自动吸尘地板。
2004	OWL Web 本体语言 W3C 推荐（2004 年 2 月 10 日）。
2004	DARPA 推出了 DARPA 大挑战赛，要求参赛者生产自动驾驶汽车以获得奖金。
2004	美国宇航局的机器人探索漫游者精神号和机遇号自主导航火星表面。
2005	本田的 ASIMO 机器人是一种人工智能人形机器人，能够像人类一样行走，在餐厅环境中为顾客提供托盘。
2005	基于跟踪网络活动或媒体使用情况的推荐技术将人工智能引入营销。 请参阅 TiVo 建议。
2005	Blue Brain 诞生了，这是一个在分子细节上模拟大脑的项目。
2006	Netflix 大奖赛由 Netflix 发起。 比赛的目的是使用机器学习来击败 Netflix 自己的推荐软件，在给定用户对之前电影的评分的情况下预测用户对电影的评分的准确性至少提高 10%。 该奖项于 2009 年获得。
2006	达特茅斯人工智能会议：未来 50 年 (AI@50) AI@50 (14–16) 2006 年 7 月）
2007	Philosophical Transactions of the Royal Society, B – Biology 是世界上最古老的科学期刊之一，推出了关于使用 AI 理解生物智能的特刊，题为 Models of Natural Action Selection
2007	Checkers 由阿尔伯塔大学的一组研究人员解决。
2007	DARPA 发起城市挑战赛，让自动驾驶汽车遵守交通规则并在城市环境中运行。
2009	ImageNet 已创建。 ImageNet 是斯坦福大学的李飞飞设想的一个大型视觉数据库，他意识到如果数据不能反映现实世界，最好的机器学习算法将无法正常工作。 对于许多人来说，ImageNet 是 21 世纪人工智能繁荣的催化剂。
2009	谷歌打造自动驾驶汽车。
2010	作为机器学习竞赛平台的网站 Kaggle 上线。

2010	微软推出了适用于 Xbox 360 的 Kinect，这是第一款跟踪人体运动的游戏设备，仅使用 3D 摄像头和红外线检测，使用户能够无线玩他们的 Xbox 360。 用于该设备的人体动作捕捉技术屡获殊荣的机器学习是由剑桥微软研究院的计算机视觉小组开发的。
2011	IBM 的 Watson 结合机器学习、自然语言处理和信息检索技术，在危险中击败了两位人类冠军！
2011	IBM的Watson 计算机击败了电视游戏节目 Jeopardy！ 冠军Rutter和Jennings。
2011–2014	Apple 的 Siri (2011)、Google 的 Google Now (2012) 和 Microsoft 的 Cortana (2014) 都是使用自然语言来回答问题、提出建议和执行操作的智能手机应用程序。
2012	由 Andrew Ng 和 Jeff Dean 领导的 Google Brain 团队创建了一个神经网络，通过观看从 YouTube 视频帧中获取的未标记图像来学习识别猫。
2013	由谷歌子公司日本SCHAFT公司制造的机器人HRP-2击败15支队伍赢得DARPA的机器人挑战试验。 HRP-2 在灾难响应所需的 8 项任务中获得了 32 分中的 27 分。 任务是驾驶车辆、走过碎片、爬梯子、清除碎片、穿过门、切开墙壁、关闭阀门并连接软管。
2013	NEIL，Never Ending Image Learner，在卡内基梅隆大学发布，用于不断比较和分析不同图像之间的关系。
2014	Facebook 研究人员在 DeepFace 上发表了他们的工作，DeepFace 是一个使用神经网络的系统，可以以 97.35% 的准确率识别人脸。 结果是比以前的系统提高了 27% 以上，并且可以与人类的表现相媲美。
2014	谷歌的研究人员详细介绍了他们在 Sibyl 上的工作，这是谷歌内部用于大规模并行机器学习的专有平台，用于预测用户行为并提供建议。
2015	一封由霍金、马斯克、沃兹尼亚克和 3000 名人工智能和机器人研究人员签署的禁止开发和使用自主武器的公开信。
2015	Google DeepMind 的 AlphaGo（版本：范）以 5 比 0 击败了 3 届欧洲围棋冠军 2 段职业选手范慧。
2016	谷歌的 AlphaGo 程序成为第一个使用机器学习和树搜索技术相结合的计算机围棋程序，它击败了无障碍的职业人类棋手。 后来改进为 AlphaGo Zero，然后在 2017 年推广到国际象棋和更多的 AlphaZero 两人游戏。
2016	谷歌 DeepMind 的 AlphaGo（版本：李）以 4-1 击败李世石。 李世石是9段职业韩国围棋冠军，从2002年到2016年赢得了27场大满贯赛事的冠军。在与AlphaGo的比赛之前，李世石有信心预测5-0或4-1轻松获胜。
2017	召开了有益人工智能 Asilomar 会议，讨论人工智能伦理以及如何在避免通用人工智能存在的风险的同时带来有益的人工智能。
2017	Poker AI Libratus 在统计显着的样本中以异常高的总赢率分别击败了其 4 位人类对手中的每一个，这些对手都是世界上最好的玩家。 与国际象棋和围棋相比，扑克是一种不完美的信息游戏。
2017	Google DeepMind 的 AlphaGo（版本：Master）在两个公开的围棋网站上以 60-0 获胜，其中 3 场战胜了世界围棋冠军柯洁。

2017	2017 年 8 月，一个 OpenAI 机器学习型机器人参加了 2017 年国际 Dota 2 锦标赛。它在与职业 Dota 2 玩家 Dendi 的 1v1 演示游戏中获胜。
2017	Google DeepMind 透露，AlphaGo Zero（AlphaGo 的改进版本）显示出显着的性能提升，同时使用的张量处理单元要少得多（与 AlphaGo Lee 相比；它使用了与 AlphaGo Master 相同数量的 TPU）。 与之前的版本通过观察数百万个人类动作来学习游戏不同，AlphaGo Zero 只通过与自己对弈来学习。 该系统随后在 100 场比赛中以 0 比击败了 AlphaGo Lee，并以 89 比 11 击败了 AlphaGo Master。尽管无监督学习向前迈进了一步，但关于通用智能还有很多需要学习的地方。 AlphaZero 在 4 小时内掌握了国际象棋，击败了最好的国际象棋引擎 StockFish 8。AlphaZero 赢得了 100 场比赛中的 28 场，其余 72 场比赛以平局告终。
2018	阿里巴巴语言处理人工智能在斯坦福大学的阅读和理解测试中超过了顶尖人类，在一组 100,000 个问题中得分为 82.44 对 82.304。
2018	欧洲学习与智能系统实验室（又名 Ellis）提议作为美国人工智能工作的泛欧竞争对手，目的是避免人才流失，就像二战后欧洲核子研究中心一样。
2018	Google Duplex 的公告，这是一项允许 AI 助手通过电话预约的服务。 《洛杉矶时报》判断人工智能的声音是对人类语音的“近乎完美”的模仿。

A.M. 图灵奖得主

Year of Award	Recipient	Award citation
2017	John L. Hennessy David Patterson	开创了一种系统的、定量的方法来设计和评估对微处理器行业具有持久影响的计算机体系结构。
2016	Tim Berners-Lee	发明了万维网、第一个 Web 浏览器以及允许 Web 扩展的基本协议和算法。
2015	Whitfield Diffi Martin Hellman	发明和颁布非对称公钥密码学，包括其在数字签名中的应用，以及实用的密码学密钥交换方法。
2014	Michael Stonebraker	表彰对现代数据库系统基础概念和实践的基本贡献。
2013	Leslie Lamport	表彰对分布式和并发系统的理论和实践做出的基本贡献，特别是因果关系和逻辑时钟、安全性和活性、复制状态机和顺序一致性等概念的发明。
2012	Shafi Goldwasser Silvio Micali	为密码学奠定了复杂性理论基础的变革性工作，并在此过程中开创了有效验证复杂性理论中数学证明的新方法。
2011	Judea Pearl	通过开发概率推理和因果推理的微积分对人工智能做出基本贡献。
2010	Leslie Gabriel Valiant	对计算理论的变革性贡献，包括可能近似正确 (PAC) 学习理论、枚举和代数计算的复杂性，以及并行和分布式计算理论。
2009	Charles P. (Chuck) Thacker*	第一台现代个人计算机的开创性设计和实现——施乐 PARC 的 Alto——以及对局域网（包括以太网）、多处理器工作站、窥探缓存一致性协议和平板个人计算机的开创性发明和贡献。
2008	Barbara Liskov	对编程语言和系统设计的实践和理论基础的贡献，特别是与数据抽象、容错和分布式计算相关的贡献。
2007	Edmund Melson  Clarke E. Allen Emerson Joseph Sifakis	表彰他们在将模型检查发展为一种被硬件和软件行业广泛采用的高效验证技术方面所发挥的作用。
2006	Frances (“Fran”) Elizabeth Allen	表彰为优化编译器技术的理论和实践做出的开创性贡献，为现代优化编译器和自动并行执行奠定了基础。
2005	Peter Naur*	表彰对编程语言设计和 Algol 60 定义、编译器设计以及计算机编程艺术和实践的基本贡献。
2004	Vinton (“Vint”) Gray  Cerf Robert (“Bob”) Elliot  Kahn	表彰在网络互联方面的开创性工作，包括互联网基本通信协议 TCP/IP 的设计和实施，以及在网络方面具有启发性的领导力。

2003	Alan Kay	开创了当代面向对象编程语言的许多思想，领导开发 Smalltalk 的团队，以及对个人计算的基本贡献。
2002	Leonard (Len) Max  Adleman Ronald (Ron) Linn  Rivest Adi Shamir	表彰他们为使公钥密码学在实践中有用而做出的巧妙贡献。
2001	Ole-Johan Dahl* Kristen Nygaard*	与 Kristen Nygaard 一起，通过他们设计的编程语言 Simula I 和 Simula 67，获得了对面向对象编程出现的基本思想。
2000	Andrew Chi-Chih Yao	表彰他对计算理论的基本贡献，包括基于复杂性的伪随机数生成理论、密码学和通信复杂性。
1999	Frederick (“Fred”) Brooks	对计算机体系结构、操作系统和软件工程的里程碑式贡献。
1998	James (“Jim”) Nicholas Gray*	因对数据库和事务处理研究的开创性贡献以及在系统实施方面的技术领先地位。
1997	Douglas Engelbart*	对交互式计算未来的鼓舞人心的愿景以及帮助实现这一愿景的关键技术的发明。
1996	Amir Pnueli*	表彰将时序逻辑引入计算科学的开创性工作，以及对程序和系统验证的杰出贡献。
1995	Manuel Blum	表彰他对计算复杂性理论基础及其在密码学和程序检查中的应用的贡献。
1994	Edward A. (“Ed”)  Feigenbaum Dabbala Rajagopal  (“Raj”) Reddy	开创了大规模人工智能系统的设计和建设，展示了人工智能技术的实际重要性和潜在的商业影响。
1993	Juris Hartmanis Richard (“Dick”)  Edwin Stearns	表彰他们为计算复杂性理论领域奠定基础的开创性论文。
1992	Butler W. Lampson	对分布式个人计算环境的开发及其实施技术的贡献：工作站、网络、操作系统、编程系统、显示器、安全和文档发布。
1991	Arthur John Robin  Gorell (“Robin”)  Milne*r	三个独特而完整的成就：2 LCF，斯科特的可计算函数逻辑的机械化，可能是第一个基于理论但实用的机器辅助证明构造工具； 2 ML，第一种包含多态类型推断和类型安全异常处理机制的语言； （3 CCS，并发的一般理论。此外，他制定并大力推进了完全抽象，即对操作语义和指称语义之间关系的研究。
1990	Fernando J. (“Corby”) Corbato	表彰他在组织概念和领导通用、大规模、分时和资源共享计算机系统、CTSS 和 Multics 的开发方面的开创性工作。

1989	William (“Velvel”) Morton Kahan	表彰他对数值分析的基本贡献。 浮点计算方面最重要的专家之一。Kahan 致力于“让世界对数值计算安全”！
1988	Ivan Sutherland	表彰他对计算机图形学的开创性和远见性贡献，从 Sketchpad 开始，并在此之后继续。
1987	John Cocke*	在编译器的设计和理论、大型系统的架构和精简指令集计算机(RISC) 的开发方面做出了重大贡献； 用于发现和系统化现在用于优化编译器的许多基本转换，包括减少运算符强度、消除公共子表达式、寄存器分配、常量传播和死代码消除。
1986	John E. Hopcroft Robert (Bob) Endre  Tarjan	在算法和数据结构的设计和分析方面的基本成就。
1985	Richard (“Dick”) Manning Karp	表彰他对算法理论的持续贡献，包括开发用于网络流和其他组合优化问题的有效算法，用算法效率的直观概念识别多项式时间的可计算性，最显着的是对 NP 完备性理论的贡献 . Karp 引入了现在用于证明问题是 NP 完全问题的标准方法，这导致许多理论和实践问题被确定为计算困难。
1984	Niklaus E. Wirth	用于开发一系列创新的计算机语言，EULER、ALGOL-W、MODULA 和 PASCAL。 PASCAL 已变得具有教学意义，并为未来的计算机语言、系统和体系结构研究奠定了基础。
1983	Dennis M.* Ritchie* Kenneth Lane  Thompson	表彰他们开发了通用操作系统理论，特别是在 UNIX 操作系统的实现方面。
1982	Stephen Arthur Cook	表彰他以重要而深刻的方式促进了我们对计算复杂性的理解。 他在1971 年 ACM SIGACT 计算理论研讨会上发表的开创性论文“定理证明程序的复杂性”为 NP 完备性理论奠定了基础。 随后对 NP 完全类问题的边界和性质的探索一直是过去十年计算机科学中最活跃和最重要的研究活动之一。
1981	Edgar F. (“Ted”)  Codd*	表彰他对数据库管理系统理论和实践的基础性和持续性贡献。
1980	C. Antony (“Tony”) R. Hoare	表彰他对编程语言的定义和设计的基本贡献。

1979	Kenneth E. (“Ken”) Iverson*	表彰他在编程语言和数学符号方面的开创性努力，导致了计算领域现在所称的 APL，他对交互式系统的实现、APL 的教育用途以及编程语言理论和实践的贡献。
1978	Robert (Bob) W. Floyd*	对创建高效可靠软件的方法论产生明显影响，并帮助建立计算机科学的以下重要子领域：解析理论、编程语言语义、自动程序验证、自动程序合成和分析 的算法。

1977	John Backus*	表彰他对实用高级编程系统的设计做出深刻、有影响和持久的贡献，特别是通过他在 FORTRAN 方面的工作，以及对编程语言规范正式程序的开创性出版。
1976	Michael O. Rabin Dana Stewart Scott	由于他们的联合论文“有限自动机及其决策问题”，其中介绍了非确定性机器的想法，这已被证明是一个非常有价值的概念。 他们 (Scott & Rabin) 的经典论文一直是该领域后续工作的持续灵感来源。
1975	Allen Newell* Herbert (“Herb”)  Alexander Simon*	在长达二十多年的共同科学努力中，最初与兰德公司的 JC Shaw 合作，随后与卡内基梅隆大学的众多教职员工和学生同事合作，纽厄尔和共同获奖者赫伯特 A.西蒙对人工智能做出了基本贡献， 人类认知心理学，以及列表处理。
1974	Donald (“Don”) Ervin Knuth	表彰他对算法分析和编程语言设计的重大贡献，尤其是通过他的着名的连续系列书籍对“计算机编程艺术”的贡献。
1973	Charles William Bachman*	表彰他对数据库技术的杰出贡献。
1972	Edsger Wybe Dijkstra*	对作为一项高智力挑战的编程做出基本贡献； 雄辩地坚持和实践证明程序应该正确组合，而不仅仅是调试正确； 在程序设计的基础上阐明对问题的看法。
1971	John McCarthy*	McCarthy 博士的演讲“人工智能研究的现状”是一个主题，涵盖了他的工作获得了相当大的认可的领域。
1970	James Hardy (“Jim”) Wilkinson*	他在数值分析方面的研究促进了高速数字计算机的使用，因其在线性代数计算和“反向”误差分析方面的工作而获得特别认可。
1969	Marvin Minsky*	表彰他在创造、塑造、促进和推进人工智能领域的核心作用。
1968	Richard W. Hamming*	表彰他在数值方法、自动编码系统以及错误检测和纠错码方面的工作。
1967	Maurice V. Wilkes*	Wilkes 教授以 EDSAC 的建造者和设计者而闻名，这是第一台具有内部存储程序的计算机。 EDSAC 建于 1949 年，使用了汞延迟线存储器。 1951 年，他还与 Wheeler 和 Gill 合着了一本关于“为电子数字计算机准备程序”的书，其中有效地介绍了程序库。
1966	Alan J Perlis*	表彰他在高级编程技术和编译器构造领域的影响。