時間的從1943年說起，沃倫·麥卡洛克（Warren McCulloch）和沃爾特·皮茨（Walter Pitts）提出了人工神經元模型，也就是闕值邏輯單元（TLU），這是神經網絡研究的基礎。

就是下面這兩位大神，意外的發現盡管相差25歲，竟然同一年去世...

而 Pitts 竟然是一位非常非常 i 的人，i 到哪怕給錢都不愿意讓別人知道名字的地步...

而 TLU 長下面這樣：

1950年：圖靈發表了《計算機器與智能》，提出了著名的“圖靈測試”，即如果一臺機器能在對話中讓人類無法判斷其是否為機器，則這臺機器具有智能。標志著人工智能概念的萌芽。

1956年：在美國達特茅斯學院，由約翰·麥卡錫（John McCarthy）、馬文·明斯基（Marvin Minsky）等人組織的會議上，首次提出了“人工智能（Artificial Intelligence）”的概念。

這次會議被認為是人工智能作為一門獨立學科的正式誕生。

1959年：亞瑟·塞繆爾（Arthur Samuel）開發了世界上第一個自學習程序——西洋跳棋程序，引入了"機器學習"這個術語。

1966年：約瑟夫·魏岑鮑姆（Joseph Weizenbaum）開發了ELIZA，這是一個早期的自然語言處理程序，能夠模擬心理治療師與人對話，揭示了機器與人類自然語言交流的可能性。

1969年：馬文·明斯基（Marvin Minsky）和西摩·帕珀特（Seymour Papert）出版《感知器》一書，指出了單層神經網絡的局限性，單層神經網絡也存在一些局限性。例如，單層神經網絡也存在一些局限性。例如，感知器模型只能解決線性可分問題，對于非線性可分數據則無法進行有效分類, 導致神經網絡研究一度停滯。

第一次寒冬降臨

1982年：約翰·霍普菲爾德（John Hopfield）提出霍普菲爾德網絡，重新激發了對神經網絡的研究興趣。

1986年：大衛·魯梅爾哈特（David Rumelhart）等人重新引入了反向傳播算法，推動了多層神經網絡的研究。

1989年：楊立昆（Yann LeCun）應用卷積神經網絡于手寫字符識別，這是深度學習在實際應用中的早期成功案例。

2006年：杰弗里·辛頓（Geoffrey Hinton）等人提出了深度信念網絡（Deep Belief Networks），為深度學習奠定了基礎。

2012年：杰弗里·辛頓的指導下，亞歷克斯·克里澤夫斯基（Alex Krizhevsky）開發出AlexNet模型，在ImageNet圖像識別競賽中取得了顯著的成績，推動了深度卷積神經網絡的發展。

2014年：伊恩·古德費羅（Ian Goodfellow）提出了生成式對抗網絡（GAN），為生成模型開辟了新方向。

2017年：論文《Attention Is All You Need》提出了Transformer架構，革新了自然語言處理模型的設計，為后續的預訓練語言模型奠定了基礎。2018年：谷歌發布了BERT（Bidirectional Encoder Representations from Transformers），這是NLP領域的一個重要突破，為后續的語言模型發展奠定了基礎。

2019年：OpenAI發布了GPT-2，展示了大規模預訓練模型在文本生成上的強大能力。

2020年：OpenAI發布了GPT-3，擁有1750億參數，進一步提升了語言生成和理解的能力。

2022年：OpenAI基于GPT-3.5架構，訓練了對話模型ChatGPT，能夠進行連貫的對話和回答問題，在全球范圍內引起廣泛關注。

2023年：OpenAI發布了GPT-4，具備多模態處理能力和更強的理解與生成性能，進一步推進了通用人工智能的發展。

本文轉載自??AI大模型世界??，作者： rocLv ????