گاهشمار هوش مصنوعی

محاسبات آموزشی سامانه‌های برجستهٔ هوش مصنوعی در طول زمان

این یک گاه‌شمار هوش مصنوعی است که با نام هوش مصنوعی سنتتیک نیز شناخته می‌شود.

دوران باستان، کلاسیک و قرون وسطی

اسطوره‌های یونانی هفائستوس و پیگمالیون ایدهٔ خودکاره‌های هوشمند (مانند تالوس) و موجودات مصنوعی (مانند گالاتیا و پاندورا) را در خود داشتند.[۱]
اعتقاد بر این بود که تندیس‌های مکانیکی مقدس ساخته‌شده در مصر باستان و یونان باستان توانایی درک خرد و احساسات را دارند. هرمس تریسمجیستوس می‌نویسد: «آن‌ها دارای «حس» (sensus) و «روح» (spiritus) هستند… انسان با کشف ماهیت واقعی خدایان، توانسته است آن را بازتولید کند.»[۱]
یان شی به پادشاه مو ژو مردان مکانیکی را تقدیم کرد که قادر بودند اعضای بدن خود را به‌طور مستقل حرکت دهند.[۲][۳]
ارسطو در کتاب ارغنون، قیاس را که روشی برای تفکر صوری و مکانیکی است، توصیف کرد.[۴][۵][۶] ارسطو همچنین در کتاب اخلاق نیکوماخوس، تجزیه و تحلیل وسیله–هدف (یک الگوریتم برای برنامه‌ریزی) را توصیف کرد؛ همان الگوریتمی که توسط نیوول و سایمون در برنامهٔ «حل‌کنندهٔ عمومی مسئله» (۱۹۵۹) استفاده شد.[۷]
تسیبیوس یک ساعت آبی مکانیکی زنگ‌دار اختراع کرد. این نخستین نمونه از یک مکانیسم بازخورد بود.
هرون اسکندرانی انسان‌های مکانیکی و خودکاره‌های دیگری ساخت.[۸] او چیزی را تولید کرد که شاید «نخستین ماشین برنامه‌پذیر کاربردی جهان» بوده باشد:[۹] یک تئاتر خودکار.
پورفیری کتاب ایساگوژی (Isagoge) را نوشت که به دسته‌بندی دانش و منطق می‌پرداخت و شامل طرحی بود که بعدها «شبکه معنایی» نامیده شد.[۱۰]
جابر بن حیان نظریهٔ کیمیاگری عربیِ تکوین را توسعه داد که به خلق مصنوعی حیات در آزمایشگاه، تا حد حیات انسان، می‌پرداخت.[۱۱]
برادران بنوموسی یک خودکارهٔ موسیقی برنامه‌پذیر ساختند که در کتابشان با نام کتاب الحیل توصیف‌شده است: یک فلوت بخار که توسط برنامه‌ای کنترل می‌شد که با پین‌هایی روی یک استوانهٔ چرخان مشخص‌شده بود.[۱۲] این «شاید نخستین ماشین مجهز به برنامهٔ ذخیره‌شده» بود.[۹]
خوارزمی کتاب‌های درسی با روش‌های گام‌به‌گام دقیق برای حساب و جبر نوشت که تا سدهٔ شانزدهم در جهان اسلام، هند و اروپا استفاده می‌شد. واژهٔ «الگوریتم» از نام او گرفته‌شده است.[۱۳]
بدیع‌الزمان جزری یک ارکستر برنامه‌پذیر از انسان‌های مکانیکی ساخت.[۱۴]
رامون یوی، الهی‌دان اهل مایورکا، دستگاه آرس مگنا (Ars Magna) را اختراع کرد؛ ابزاری برای ترکیب مکانیکی مفاهیم که بر پایهٔ یک ابزار اختربینی عربی به نام زایرجه ساخته‌شده بود. یوی ماشین‌های خود را به عنوان موجودیت‌های مکانیکی توصیف کرد که می‌توانند حقایق و فکت‌های پایه را برای تولید دانش پیشرفته ترکیب کنند. این روش در سدهٔ هفدهم توسط گوتفریت لایبنیتس بیشتر توسعه یافت.[۱۵]
پاراسلسوس ادعا کرد که یک انسان مصنوعی از مغناطیس، اسپرم و کیمیاگری ساخته است.[۱۶]
گفته می‌شود خاخام یهودا لئو بن بزالل اهل پراگ، گولم را اختراع کرد؛ مردی گلی که به آن جان بخشیده‌شده بود.[۱۷]

۱۶۰۰–۱۹۰۰

فرانسیس بیکن نظریهٔ تجربی دانش را توسعه داد و منطق استقرایی را در اثر خود با نام نو ارغنون معرفی کرد که نام آن بازی با عنوان کتاب ارغنون اثر ارسطو بود.[۱۸][۱۹][۶]
ویلهلم شیکارد طرح یک ساعت محاسباتی را در نامه‌ای به کپلر کشید. این نخستین تلاش از پنج تلاش ناموفق برای طراحی یک ساعت محاسباتی «ورودی مستقیم» در سدهٔ هفدهم بود (از جمله طرح‌های تیتو بوراتینی، ساموئل مورلند و رنه گریله).[الف]
توماس هابز کتاب لویاتان را منتشر کرد و یک نظریهٔ مکانیکی و ترکیبی از شناخت ارائه داد. او نوشت: «... زیرا عقل چیزی جز حساب‌وکتاب نیست».[۲۰][۲۱]
بلز پاسکال یک ماشین حساب مکانیکی اختراع کرد،[ب] که نخستین ماشین حسابگر دیجیتال (ماشین حساب پاسکال) بود.[۲۲]
رنه دکارت مطرح کرد که بدن جانوران چیزی بیش از ماشین‌های پیچیده نیست (اما پدیده‌های ذهنی از «جوهر» متفاوتی هستند).[۲۳]
بلز پاسکال چگونگی یافتن مقادیر امید ریاضی در احتمال را توصیف کرد؛ در سال ۱۶۶۲ آنتوان آرنو فرمولی برای یافتن بیشینهٔ امید ریاضی منتشر کرد و در سال ۱۶۶۳، راه‌حل جرلامو کاردانو برای همان مسائل، ۱۱۶ سال پس از نگارش آن منتشر شد. نظریهٔ احتمال در سدهٔ هجدهم توسط یاکوب برنولی و پیر سیمون لاپلاس بیشتر توسعه یافت.[۲۴] نظریهٔ احتمال از دههٔ ۱۹۹۰ به بعد به هستهٔ اصلی هوش مصنوعی و یادگیری ماشین تبدیل شد.
گوتفریت لایبنیتس ماشین‌های پیشین را بهبود بخشید و محاسبه‌گر گام‌به‌گام را برای انجام ضرب و تقسیم ساخت.[۲۵]
لایبنیتس قاعده زنجیره‌ای را به دست آورد.[۲۶] این قاعده توسط هوش مصنوعی برای آموزش شبکه‌های عصبی استفاده می‌شود؛ برای نمونه، الگوریتم پس‌انتشار از قاعدهٔ زنجیره‌ای استفاده می‌کند.[۹]
لایبنیتس یک حساب جامع برای استدلال (الفبای اندیشه بشری) توسعه داد که به وسیلهٔ آن استدلال‌ها می‌توانستند به‌طور مکانیکی حل‌وفصل شوند. این سیستم به هر شیء در جهان عدد خاصی اختصاص می‌داد که مقدمه‌ای برای حل جبری همهٔ مسائل ممکن بود.[۲۷]
جاناتان سوییفت کتاب سفرهای گالیور را منتشر کرد که شامل توصیفی از «موتور» (the Engine) است؛ ماشینی در جزیرهٔ لاپوتا: «پروژه‌ای برای بهبود دانش نظری از طریق عملیات‌های کاربردی و مکانیکی» با استفاده از این «تدبیر»، «نادان‌ترین فرد با هزینه‌ای معقول و با کمی تلاش بدنی، می‌تواند کتاب‌هایی در زمینه‌های فلسفه، شعر، سیاست، قانون، ریاضیات و الهیات، با کمترین نیاز به نبوغ یا مطالعه بنویسد.»[۲۸] این ماشین نقیضه‌ای بر آرس مگنا بود که خود یکی از الهام‌بخش‌های مکانیسم گوتفریت لایبنیتس به‌شمار می‌رفت.
دانیل برنولی مفهوم «مطلوبیت» را معرفی کرد که تعمیمی از احتمال، پایهٔ علم اقتصاد و نظریه تصمیم، و شالودهٔ ریاضی روشی است که هوش مصنوعی با آن «اهداف» عامل‌های هوشمند را بازنمایی می‌کند.[۲۹]
دیوید هیوم استقرا را توصیف کرد؛ روشی منطقی برای یادگیری کلیات از روی مثال‌ها.[۶]
ژولین اوفره دو لا متری کتاب انسان یک ماشین است را منتشر کرد که در آن استدلال می‌کرد تفکر انسان کاملاً مکانیکی است.[۳۰]
اثر توماس بیز با نام جستاری در حل یک مسئله در دکترین شانس‌ها که دو سال پس از درگذشت او منتشر شد، پایه‌های قضیه بیز را بنا نهاد که در هوش مصنوعی مدرن در شبکه‌های بیزی استفاده می‌شود.[۲۴]
ولفگانگ فان کمپلن خودکارهٔ شطرنج‌باز خود به نام ترک را ساخت و با آن سفر کرد؛ کمپلن ادعا می‌کرد که این دستگاه می‌تواند بازیکنان انسان را شکست دهد.[۳۱] بعدها مشخص شد که ترک یک حقه‌بوده و یک شطرنج‌باز انسان در آن پنهان‌شده‌بوده است.
ساده‌ترین نوع شبکه عصبی مصنوعی، شبکهٔ خطی است. این روش بیش از دو سده است که با نام کمترین مربعات یا رگرسیون خطی شناخته می‌شود. این روش به عنوان ابزاری برای یافتن یک برازش خطی تقریبی مناسب برای مجموعه‌ای از نقاط توسط آدرین-ماری لژاندر (۱۸۰۵)[۳۲] و کارل فریدریش گاوس (۱۷۹۵)[۳۳] جهت پیش‌بینی حرکت سیاره‌ای استفاده شد.[۹][۳۴]
ژوزف ماری ژاکارد یک دستگاه بافندگی برنامه‌پذیر ساخت که بر پایهٔ اختراعات پیشین بازیل بوشون (۱۷۲۵)، ژان-باتیست فالکون (۱۷۲۸) و ژاک وکانسون (۱۷۴۰) طراحی‌شده بود.[۳۵] کارت‌های punch تعویض‌پذیر، توالی عملیات‌ها را در فرایند تولید منسوجات کنترل می‌کردند. این شاید نخستین نرم‌افزار صنعتی برای بنگاه‌های تجاری‌بوده باشد.[۹]
مری شلی داستان فرانکنشتاین؛ یا پرومتهٔ مدرن را منتشر کرد که بررسی داستانی اخلاقِ خلق موجودات ذی‌شعور بود.[۳۶]
چارلز ببیج و ایدا لاولیس روی ماشین‌های حسابگر مکانیکی برنامه‌پذیر کار کردند.[۳۷]
ریاضی‌دان برنارد بولتسانو نخستین تلاش مدرن را برای صوری‌سازی معناشناسی انجام داد.[۳۸]
جرج بول تصمیم گرفت تا «قوانین اساسی آن دسته از عملیات‌های ذهنی را که استدلال به وسیلهٔ آن‌ها انجام می‌شود، بررسی کند و به آن‌ها در زبان نمادین یک حساب بیان بخشد» و بدین ترتیب جبر بولی را اختراع کرد.[۳۹]
ساموئل باتلر پیشنهاد کرد که فرگشت داروینی در مورد ماشین‌ها نیز صدق می‌کند و گمانه‌زنی کرد که آن‌ها روزی هوشیار خواهند شد و در نهایت جایگزین بشریت خواهند شد.[۴۰]

سده بیستم

۱۹۰۱–۱۹۵۰

برتراند راسل و آلفرد نورث وایتهد کتاب مبادی ریاضیات را منتشر کردند که نشان می‌داد تمام ریاضیات مقدماتی را می‌توان به استدلال مکانیکی در منطق تقلیل داد.[۴۱]
لئوناردو تورس کبدو یک خودکاره برای آخربازی شطرنج به نام ال آخدریسیت ساخت. او «نخستین پیشگام هوش مصنوعی در سده بیستم» نامیده شد.[۹] تورس در اثر خود با عنوان جستارهایی در باب خودکارسازی (۱۹۱۴)، نظریه‌هایی دربارهٔ تفکر و خودکاره‌ها منتشر کرد و ایده محاسبات ممیز شناور را معرفی کرد.[۴۲][۴۳]
نمایش‌نامه کارخانه ربات‌سازی روسوم اثر کارل چاپک در لندن به روی صحنه رفت. این نخستین استفاده از واژه «ربات» در زبان انگلیسی است.[۴۴]
ویلهلم لنز و ارنست آیزینگ مدل آیزینگ (۱۹۲۵) را ایجاد و تحلیل کردند[۴۵] که می‌توان آن را به عنوان نخستین شبکه عصبی بازگشتی مصنوعی (RNN) متشکل از عناصر آستانه شبه‌نورون در نظر گرفت.[۹] در سال ۱۹۷۲، شون‌ایچی آماری این معماری را تطبیق‌پذیر کرد.[۴۶][۹]
کتاب رساله منطقی-فلسفی (۱۹۲۱) اثر لودویگ ویتگنشتاین، الهام‌بخش رودلف کارناپ و اثبات‌گرایان منطقی حلقه وین شد تا از منطق صوری به عنوان پایه و اساس فلسفه استفاده کنند. با این حال، کارهای بعدی ویتگنشتاین در دهه ۱۹۴۰ نشان داد که منطق نمادین مستقل از بافت، بدون تفسیر انسانی منسجم نیست.
کورت گودل گزاره‌ها و اثبات‌های ریاضی را به صورت اعداد صحیح کدگذاری کرد و نشان داد که قضایای صادقی وجود دارند که توسط هیچ ماشین اثبات قضیه سازگاری اثبات‌پذیر نیستند. از این رو، «او محدودیت‌های اساسی اثبات قضیه الگوریتمی، محاسبات و هر نوع هوش مصنوعی مبتنی بر محاسبات را شناسایی کرد»،[۹] و پایه‌های علوم نظری رایانه و نظریه هوش مصنوعی را بنا نهاد.
آلونزو چرچ اثبات گودل را بسط داد و نشان داد که مسئله تصمیم در علوم رایانه راه‌حل عمومی ندارد.[۴۷] او حساب لامبدا را توسعه داد که در نهایت به پایه‌ای برای نظریه زبان‌های رایانه‌ای تبدیل شد.
کنراد تسوزه درخواست ثبت اختراع خود را برای یک رایانه با برنامه کنترل‌شده ارائه کرد.[۴۸]
آلن تورینگ مقاله «دربارهٔ اعداد محاسباتی، با کاربردی در مسئله تصمیم» را منتشر کرد،[۴۹] که با معرفی ماشین تورینگ (یک تفسیر فیزیکی از «محاسبه‌پذیری»)، پایه‌های نظریه محاسبات نوین را بنا نهاد. او از این مفهوم برای تأیید کار گودل با اثبات اینکه مسئله توقف، تصمیم‌ناپذیر است، استفاده کرد.
ادوارد کودون دستگاه دیجیتالی نیماترون را به نمایش گذاشت که بازی نیم را به‌طور بی‌نقص بازی می‌کرد.
کنراد تسوزه نخستین رایانه چندمنظوره با برنامه کنترل‌شده را ساخت.[۵۰]
وارن استرجیس مک‌کالک و والتر پیتس مقاله «محاسبات منطقی از ایده‌های ماندگار در فعالیت‌های عصبی» را منتشر کردند که نخستین توصیف ریاضی از شبکه‌های عصبی مصنوعی بود.[۵۱]
آرتورو روزنبلوت، نوربرت وینر و جولیان بیگلو واژه «سایبرنتیک» را ابداع کردند. کتاب محبوب وینر با همین نام در سال ۱۹۴۸ منتشر شد.
نظریه بازی که در پیشرفت هوش مصنوعی بسیار ارزشمند واقع شد، با انتشار مقاله «نظریه بازی‌ها و رفتار اقتصادی» در سال ۱۹۴۴ توسط ریاضی‌دان، جان فون نویمان و اقتصاددان، اسکار مورگنشترن معرفی شد.
ونیوار بوش مقاله «آن‌گونه که ما می‌اندیشیم» را در (اتلانتیک مانثلی، ژوئیهٔ ۱۹۴۵) منتشر کرد که چشم‌اندازی آینده‌نگرانه از آینده‌ای بود که در آن رایانه‌ها به انسان‌ها در بسیاری از فعالیت‌ها کمک می‌کنند.
آلن تورینگ گزارش «ماشین‌آلات هوشمند» را تهیه کرد که به عنوان نخستین بیانیه هوش مصنوعی شناخته می‌شود. این گزارش مفاهیم بسیاری از جمله رویکرد مبتنی بر منطق برای حل مسئله را معرفی می‌کند؛ اینکه فعالیت فکری عمدتاً شامل انواع مختلفی از جستجو است، و بحثی دربارهٔ یادگیری ماشین ارائه می‌دهد که در آن رویکرد پیوندگرایی در هوش مصنوعی را پیش‌بینی می‌کند.[۵۲]
جان فون نویمان (به نقل از ادوین توماس جینز) در پاسخ به اظهارنظری در یک سخنرانی مبنی بر اینکه فکر کردن برای یک ماشین (دست‌کم ماشین‌هایی که به دست انسان ساخته شده‌اند) غیرممکن است، گفت: «شما اصرار دارید که کاری وجود دارد که ماشین نمی‌تواند انجام دهد. اگر به من بگویید دقیقاً آن کار چیست، من همیشه می‌توانم ماشینی بسازم که دقیقاً همان کار را انجام دهد!». فون نویمان احتمالاً به تز چرچ-تورینگ اشاره داشت که بیان می‌کند هر روش مؤثری را می‌توان توسط یک رایانه (تعمیم‌یافته) شبیه‌سازی کرد.
دونالد او. هب یادگیری هب را توسعه داد که یک الگوریتم احتمالی برای یادگیری در شبکه‌های عصبی است.[۵۳]

دهه ۱۹۵۰

آلن تورینگ مقاله «هوش و ماشین‌های محاسباتی» را منتشر کرد که در آن آزمون تورینگ را به عنوان معیاری برای سنجش هوش ماشین پیشنهاد داد و به رایج‌ترین مخالفت‌ها با گزاره «ماشین‌ها می‌توانند فکر کنند» پاسخ داد.[۵۴]
کلود شانون تحلیل مفصلی از بازی شطرنج به عنوان یک جستجو منتشر کرد.[۵۵]
آیزاک آسیموف قوانین سه‌گانه رباتیک خود را منتشر کرد.[۵۶]
نخستین برنامه‌های کاربردی هوش مصنوعی در سال ۱۹۵۱ برای اجرا روی دستگاه فرانتی مارک ۱ در دانشگاه منچستر نوشته شدند: یک برنامه بازی چکرز که کریستوفر استریچی آن را نوشت و یک برنامه بازی شطرنج که دیتریش پرینتس آن را توسعه داد.[۵۳]
آرتور سمیوئل (آی‌بی‌ام) نخستین برنامه بازی رایانه‌ای را برای بازی چکرز نوشت که توانست به مهارت کافی برای به چالش کشیدن یک آماتور قابل احترام دست یابد.[۵۷] نخستین برنامه بازی چکرز او در سال ۱۹۵۲ نوشته شد و در سال ۱۹۵۵، او نسخه‌ای ساخت که بازی کردن را یادگرفت.[۵۸][۵۹]
جان مک‌کارتی، ماروین مینسکی، ناتانیل راچستر از آی‌بی‌ام و کلود شانون، کنفرانس تابستانی هوش مصنوعی دارتموث را در کالج دارتموث سازماندهی کردند. مک‌کارتی اصطلاح «هوش مصنوعی» را برای این کنفرانس ابداع کرد.[۶۰][۶۱]
نخستین نمایش برنامه نظریه‌پرداز منطقی (LT) که آلن نیوول، کلیف شاو و هربرت الکساندر سایمون (دانشگاه کارنگی ملون) آن را نوشته بودند، انجام شد. این برنامه اغلب به عنوان نخستین برنامه هوش مصنوعی نامیده می‌شود، اگرچه برنامه چکرز سمیوئل نیز مدعی قوی دیگری است. این برنامه به عنوان نخستین برنامه‌ای توصیف‌شده است که به‌طور هدفمند برای انجام استدلال خودکار طراحی‌شده بود و در نهایت توانست ۳۸ قضیه از ۵۲ قضیه اول کتاب مبادی ریاضیات اثر برتراند راسل و آلفرد نورث وایتهد را اثبات کند و برای برخی از آن‌ها اثبات‌های جدید و ظریف‌تری بیابد.[۶۲] سایمون گفت که آن‌ها «مسئله دیرینه ذهن و جسم را حل کرده‌اند و توضیح داده‌اند که چگونه سیستمی متشکل از ماده می‌تواند ویژگی‌های ذهن راداشته باشد».[۶۳]
جان مک‌کارتی (مؤسسه فناوری ماساچوست یا ام‌آی‌تی) زبان برنامه‌نویسی لیسپ را اختراع کرد.[۵۸]
هربرت گلرنتر و ناتانیل راچستر (آی‌بی‌ام) یک اثبات‌کننده قضیه را در هندسه توصیف کردند.[۵۸] این برنامه از یک مدل معنایی از حوزه به شکل نمودارهایی از موارد «نمونه» بهره می‌برد.
کنفرانس تدینگتون در زمینه مکانیزه کردن فرآیندهای فکری در بریتانیا برگزار شد و از جمله مقالات ارائه‌شده در آن می‌توان به مقاله «برنامه‌هایی با عقل سلیم» اثر جان مک‌کارتی (که برنامه نصیحت‌گیر را به عنوان یک هدف پژوهشی اولیه پیشنهاد کرد)،[۵۸] مقاله «پندمونیوم» اثر الیور سلفریج، و مقاله «برخی روش‌های برنامه‌نویسی اکتشافی و هوش مصنوعی» اثر ماروین مینسکی اشاره کرد.
نیوول، شاو و سایمون در زمان حضور در دانشگاه کارنگی ملون، حل‌کننده عمومی مسائل (GPS) را ایجاد کردند.[۵۸]
جان مک‌کارتی و ماروین مینسکی آزمایشگاه هوش مصنوعی ام‌آی‌تی (MIT AI Lab) را تأسیس کردند.[۵۸]
مارگارت مسترمن و همکارانش در دانشگاه کمبریج شبکه‌های معنایی را برای ترجمه ماشینی طراحی کردند.

دهه ۱۹۶۰

الگو:بخش نیازمند منابع بیشتر

ری سولومونوف پایه‌های یک نظریه ریاضیاتی برای هوش مصنوعی را بنا نهاد و روش‌های بیزی جهانی (روش‌های بیزی) را برای استنتاج استقرایی و پیش‌بینی معرفی کرد.
مقاله «همزیستی انسان-رایانه» نوشته جی.سی.آر. لیکلایدر.
جیمز اسلیگل (در پایان‌نامه دکتری خود در MIT) نخستین برنامه نمادین انتگرال‌گیری به نام SAINT را (به زبان لیسب) نوشت که مسائل حسابان را در سطح دانشجویان سال اول دانشگاه حل می‌کرد.
جان لوکاس در نوشتار ذهن‌ها، ماشین‌ها و گودل،[۶۴] امکان وجود هوش ماشین را بر پایه دلایل منطقی یا فلسفی رد کرد. او به دستاورد سال ۱۹۳۱ کورت گودل اشاره کرد: سیستم‌های صوری به اندازه کافی قدرتمند، یا ناسازگار هستند یا اجازه فرمول‌بندی قضایای درستی را می‌دهند که توسط هیچ هوش مصنوعی اثبات‌کننده قضیه‌ای (که تمام قضایای قابل‌اثبات را از اصول موضوعه استخراج می‌کند) قابل اثبات نیستند. از آنجا که انسان‌ها قادرند درستی چنین قضایایی را «ببینند»، ماشین‌ها پست‌تر تلقی شدند.
یونیمیت، ربات صنعتی شرکت یونیمیشن، در یک خط مونتاژ خودرو متعلق به جنرال موتورز به کار گرفته شد.
برنامه ANALOGY نوشته توماس ایوانز به عنوان بخشی از کار دکتری او در MIT، نشان داد که رایانه‌ها می‌توانند همان مسائل تمثیلی را حل کنند که در آزمون‌های IQ مطرح می‌شوند.
ادوارد فاین‌باوم و جولیان فلدمن کتاب رایانه‌ها و اندیشه (Computers and Thought) را که نخستین مجموعه مقالات دربارهٔ هوش مصنوعی بود، منتشر کردند.[۶۵][۶۶][۶۷][۶۸]
لئونارد اور و چارلز واسلر مقاله «یک برنامه بازشناخت الگو که عملگرهای خود را تولید، ارزیابی و تنظیم می‌کند» را منتشر کردند که یکی از نخستین برنامه‌های یادگیری ماشین را توصیف می‌کرد که می‌توانست به‌طور تطبیقی ویژگی‌ها را به دست آورد و تغییر دهد و از این طریق بر محدودیت‌های پرسپترون‌های ساده رزنبلت غلبه کند.
پایان‌نامه دانیل بابرو در MIT (گزارش فنی شماره ۱ گروه هوش مصنوعی MIT، پروژه مک) نشان می‌دهد که رایانه‌ها می‌توانند زبان طبیعی را به اندازه‌ای خوب بفهمند که مسائل تشریحی جبر را به‌درستی حل کنند.
استانیسلاو لم در مجموعه مقالات خود به نام سوما تکنولوژیا، به بحث دربارهٔ «اینتلکترونیک» (هوش مصنوعی) می‌پردازد.
پایان‌نامه دکتری برترام رافائل در MIT دربارهٔ برنامه SIR، قدرت یک بازنمود منطقی دانش را برای سیستم‌های پرسش و پاسخ نشان می‌دهد.
در اتحاد جماهیر شوروی، الکسی ایواخننکو و والنتین لاپا نخستین الگوریتم یادگیری عمیق را برای پرسپترون‌های چندلایه توسعه دادند.[۶۹][۷۰][۹]
لطفی زاده در دانشگاه کالیفرنیا، برکلی نخستین مقاله خود را برای معرفی منطق فازی با عنوان «مجموعه‌های فازی» (در نشریه *Information and Control*، دوره ۸، صفحات ۳۳۸–۳۵۳) منتشر کرد.
جی. آلن رابینسون یک روش مکانیکی برای اثبات به نام «روش رزولوشن» (Resolution Method) ابداع کرد که به برنامه‌ها اجازه می‌داد به‌طور کارآمدی با منطق صوری به عنوان یک زبان بازنمود کار کنند.
جوزف وایزنبام (در MIT) چت‌بات الیزا را ساخت؛ یک برنامه تعاملی که به زبان انگلیسی دربارهٔ هر موضوعی گفتگو می‌کرد. این برنامه زمانی که نسخه‌ای از آن برای «شبیه‌سازی» گفتگوی یک روان‌درمانگر برنامه‌نویسی شد، به یک سرگرمی محبوب در مراکز هوش مصنوعی در شبکه آرپانت تبدیل شد.
ادوارد فاین‌باوم پروژه دندرال را آغاز کرد؛ یک تلاش ده ساله برای توسعه نرم‌افزاری که ساختار مولکولی ترکیبات آلی را با استفاده از داده‌های ابزارهای علمی استنتاج کند. این پروژه نخستین سامانه خبره بود.
راس کوئیلیان (در پایان‌نامه دکتری خود در مؤسسه فناوری کارنگی، که اکنون CMU نام دارد) شبکه‌های معنایی را به نمایش گذاشت.
کارگاه «هوش ماشین»[۷۱] در ادینبرو؛ نخستین کارگاه از یک سری سالانه تأثیرگذار که توسط دونالد میچی و دیگران سازماندهی شد.
یک گزارش منفی دربارهٔ ترجمه ماشینی، بخش زیادی از کارها در زمینه پردازش زبان‌های طبیعی (NLP) را برای سال‌های متمادی متوقف کرد.
برنامه دندرال (توسط ادوارد فاین‌باوم، جاشوآ لدربرگ، بروس بوکانان و جورجیا ساترلند در دانشگاه استنفورد) برای تفسیر طیف‌های جرمی ترکیبات شیمیایی آلی به نمایش گذاشته شد. این برنامه نخستین برنامه موفق مبتنی بر دانش برای استدلال علمی بود.
شونیچی آماری نخستین کسی شد که از گرادیان کاهشی تصادفی برای یادگیری عمیق در پرسپترون‌های چندلایه استفاده کرد.[۷۲] در آزمایش‌های رایانه‌ای که توسط دانشجوی او، سایتو، انجام شد، یک پرسپترون چندلایه پنج‌لایه با دو لایه قابل‌تغییر، بازنمودهای درونی مفیدی را برای طبقه‌بندی کلاس‌های الگوی غیرخطی تفکیک‌پذیر یادگرفت.[۹]
جوئل موزس (در کار دکتری خود در MIT) قدرت استدلال نمادین را برای مسائل انتگرال‌گیری در برنامه Macsyma نشان داد. این برنامه نخستین برنامه موفق مبتنی بر دانش در ریاضیات بود.
ریچارد گرینبلات در MIT یک برنامه شطرنج‌باز مبتنی بر دانش به نام Mac Hack ساخت که به اندازه کافی برای کسب رتبه کلاس C در بازی‌های تورنمنت خوب بود.
برنامه والاس و بولتون به نام Snob (منتشرشده در Comp.J. 11(2) 1968) برای طبقه‌بندی بدون نظارت (خوشه‌بندی)، از معیار بیزی «حداقل طول پیام» استفاده می‌کند که یک تحقق ریاضیاتی از تیغ اوکام است.
موسسه تحقیقاتی استنفورد (SRI): ربات شیکی، ترکیب جنبش جانوری، ادراک و حل مسئله را به نمایش می‌گذارد.
راجر شنک (در استنفورد) مدل وابستگی مفهومی را برای فهم زبان‌های طبیعی تعریف کرد. این مدل بعداً (در پایان‌نامه‌های دکتری در دانشگاه ییل) توسط رابرت ویلنسکی و وندی لنرت برای استفاده در درک داستان، و توسط جنت کولودنر برای استفاده در درک حافظه توسعه یافت.
یوریک ویلکس (در استنفورد) دیدگاه انسجام معنایی زبان را با نام «معناشناسی ترجیحی» (Preference Semantics) توسعه داد که در نخستین برنامه ترجمه ماشینی معنامحور تجسم یافت و از آن زمان پایه بسیاری از پایان‌نامه‌های دکتری (مانند پایان‌نامه‌های بران بوگورایف و دیوید کارتر در کمبریج)بوده است.
نخستین کنفرانس بین‌المللی مشترک هوش مصنوعی (IJCAI) در استنفورد برگزار شد.
ماروین مینسکی و سیمور پاپرت کتاب پرسپترون‌ها را منتشر کردند و محدودیت‌های پیش‌تر ناشناخته این ساختار دو لایه پیشخور را نشان دادند. این کتاب از نظر برخی، نشان‌دهنده آغاز زمستان هوش مصنوعی در دهه ۱۹۷۰ است که با از دست رفتن اعتماد و بودجه برای هوش مصنوعی همراه بود. با این حال، تا زمان انتشار این کتاب، روش‌های آموزش پرسپترون‌های چندلایه با استفاده از یادگیری عمیق از قبل شناخته‌شده بودند (الکسی ایواخننکو و والنتین لاپا، ۱۹۶۵؛ شونیچی آماری، ۱۹۶۷).[۹] پیشرفت‌های چشمگیر در این زمینه همچنان ادامه یافت (پایین را ببینید).
مک‌کارتی و هیز با مقاله خود به نام «برخی از مسائل فلسفی از دیدگاه هوش مصنوعی»، بحث دربارهٔ مسئله فریم را آغاز کردند.

دهه ۱۹۷۰

الگو:نیازمند منبع بیشتر

جین رابینسون و دان واکر یک گروه تأثیرگذار پردازش زبان‌های طبیعی را در SRI تأسیس کردند.[۷۳]
سپو لیناینما حالت معکوس مشتق‌گیری خودکار را منتشر کرد. این روش بعدها به عنوان پس‌انتشار شناخته شد و به‌طور گسترده برای آموزش شبکه‌های عصبی مصنوعی به کار می‌رود.[۷۴]
جیمی کاربونل (پدر) نرم‌افزار SCHOLAR را توسعه داد؛ یک برنامه تعاملی برای آموزش به کمک رایانه که بر پایه شبکه‌های معنایی به عنوان بازنمود دانش طراحی‌شده بود.
بیل وودز شبکه‌های انتقال افزوده (ATN) را به عنوان روشی برای فهم زبان‌های طبیعی توصیف کرد.
برنامه دکتری پاتریک وینستون به نام ARCH در MIT، مفاهیم را از طریق نمونه‌هایی در دنیای بلوک‌های بازی کودکان یادمی‌گرفت.
پایان‌نامه دکتری تری وینوگراد (MIT) توانایی رایانه‌ها را در فهم جملات انگلیسی در یک دنیای محدود از بلوک‌های بازی کودکان نشان داد؛ این کار از طریق اتصال برنامه فهم زبان او، SHRDLU، به یک بازوی رباتیک که دستورهای تایپ‌شده به زبان انگلیسی را اجرا می‌کرد، انجام شد.
کار روی اثبات‌کننده قضیه بویر-مور در ادینبرو آغاز شد.[۷۵]
زبان برنامه‌نویسی پرولوگ توسط آلن کولمرور توسعه یافت.
ارل ساسردوتی یکی از نخستین برنامه‌های برنامه‌ریزی سلسله‌مراتبی به نام ABSTRIPS را توسعه داد.
گروه رباتیک مونتاژ در دانشگاه ادینبرو ربات فردی را ساخت که قادر بود با استفاده از ادراک بصری، قطعات مدل‌ها را مکان‌یابی و مونتاژ کند. (ببینید: ربات مونتاژ فردی ادینبرو: یک سیستم مونتاژ همه‌کاره با کنترل رایانه‌ای)
گزارش لایتهیل حکمی تا حد زیادی منفی دربارهٔ پژوهش‌های هوش مصنوعی در بریتانیای کبیر صادر کرد و مبنای تصمیم دولت بریتانیا برای قطع حمایت از پژوهش‌های هوش مصنوعی در تمام دانشگاه‌ها به جز دو دانشگاه شد.
پایان‌نامه دکتری تد شورتلیف دربارهٔ برنامه MYCIN (در استنفورد) یک رویکرد بسیار کاربردی مبتنی بر قانون را برای تشخیص‌های پزشکی، حتی در حضور عدم قطعیت، نشان داد. اگرچه این برنامه از DENDRAL الهام گرفته بود، اما دستاوردهای خودش تأثیر شدیدی بر آینده توسعه سامانه‌های خبره، به‌ویژه سامانه‌های تجاری گذاشت.
ارل ساسردوتی تکنیک‌های برنامه‌ریزی ترتیب جزئی را در سیستم NOAH خود توسعه داد و آن را جایگزین پارادایم قبلی جستجو در میان توصیف‌های فضای حالت کرد. NOAH در اس‌آرآی اینترنشنال برای تشخیص و تعمیر تعاملی سیستم‌های الکترومکانیکی به کار گرفته شد.
آستین تیت سیستم برنامه‌ریزی سلسله‌مراتبی Nonlin را توسعه داد که قادر بود فضایی از طرح‌های جزئی را که به عنوان رویکردهای جایگزین برای ساختار هدف اصلی طرح مشخص می‌شدند، جستجو کند.
ماروین مینسکی مقاله بسیار پرخواننده و تأثیرگذار خود را دربارهٔ فریم‌ها به عنوان روشی برای بازنمود دانش منتشر کرد که در آن ایده‌های بسیاری دربارهٔ طرحواره‌ها و پیوندهای معنایی گرد هم آمده بودند.
برنامه یادگیری Meta-Dendral نتایج جدیدی در شیمی (برخی قوانین طیف‌سنجی جرمی) تولید کرد که نخستین اکتشافات علمی توسط یک رایانه بود که در یک مجله داوری همتا منتشر شد.
باربارا گروش (SRI) محدودیت‌های رویکردهای سنتی هوش مصنوعی در مدل‌سازی گفتمان را مشخص کرد. کارهای بعدی گروش، بانی وبر و کندیس سیدنر مفهوم «مرکزگرایی» (centering) را توسعه داد که برای تعیین تمرکز گفتمان و ارجاع‌های ضمیری در پردازش زبان‌های طبیعی استفاده می‌شود.
دیوید مار و همکارانش در MIT «طرح اولیه» (primal sketch) و نقش آن را در ادراک بصری توصیف کردند.
برنامه AM داگلاس لنات (پایان‌نامه دکتری استنفورد) مدل کشف (جستجوی هدایت‌شده و منعطف برای حدس‌های جالب) را به نمایش گذاشت.
رندال دیویس قدرت استدلال فراسطحی را در پایان‌نامه دکتری خود در استنفورد نشان داد.
استیو بوزینوفسکی و آنته فولگوسی روش یادگیری انتقالی را در هوش مصنوعی، بر پایه روان‌شناسی یادگیری، معرفی کردند.[۷۶][۷۷]
تام ام. میچل در استنفورد، مفهوم فضاهای نسخه را برای توصیف فضای جستجوی یک برنامه شکل‌دهی مفهوم ابداع کرد.
هربرت الکساندر سایمون برای نظریه عقلانیت محدود خود که یکی از پایه‌های هوش مصنوعی به نام «بسندگی» است، برنده جایزه نوبل اقتصاد شد.
برنامه MOLGEN که در دانشگاه استنفورد توسط مارک استفیک و پیتر فریدلند نوشته شد، نشان داد که بازنمود دانش به روش برنامه‌نویسی شیءگرا می‌تواند برای برنامه‌ریزی آزمایش‌های همسانه‌سازی ژن استفاده شود.
ربات متحرک خودمختار و مستقل Moonlight Special، هزارتوهای ناشناخته را نقشه‌برداری کرد و کوتاه‌ترین مسیر ریاضی را محاسبه و طی نمود.[۷۸][۷۹]
پایان‌نامه دکتری بیل ون‌مله در استنفورد، عمومیت بازنمود دانش و سبک استدلال MYCIN را در برنامه EMYCIN او نشان داد که به الگویی برای بسیاری از «پوسته‌های» سامانه‌های خبره تجاری تبدیل شد.
جک مایرز و هری پاپل در دانشگاه پیتسبرگ برنامه INTERNIST را توسعه دادند؛ یک برنامه تشخیص پزشکی مبتنی بر دانش که بر پایه دانش بالینی دکتر مایرز طراحی‌شده بود.
کوردل گرین، دیوید بارستو، الین کانت و دیگران در استنفورد، سیستم CHI را برای برنامه‌نویسی خودکار به نمایش گذاشتند.
ارابه استنفورد (Stanford Cart) ساخته‌شده توسط هانس موراوک، با عبور موفقیت‌آمیز از اتاقی پر از صندلی و دور زدن در آزمایشگاه هوش مصنوعی استنفورد، به نخستین وسیله نقلیه خودمختار تحت کنترل رایانه تبدیل شد.
برنامه تخته نرد BKG که توسط هانس برلینر در CMU نوشته‌شده بود، قهرمان جهان وقت را (تا حدی با چاشنی شانس) شکست داد.
درو مک‌درموت و جان دویل در MIT، و جان مک‌کارتی در استنفورد، انتشار آثار خود را دربارهٔ منطق‌های غیریکنواخت و جنبه‌های رسمی حفظ حقیقت آغاز کردند.
پروژه SUMEX-AIM استنفورد به سرپرستی ادوارد فاین‌باوم و جاشوآ لدربرگ، قدرت آرپانت را برای همکاری‌های علمی نشان داد.

دهه ۱۹۸۰

الگو:نیازمند منبع بیشتر

ماشین‌های لیسپ توسعه یافته و به بازار عرضه شدند. نخستین پوسته‌های سامانه خبره و کاربردهای تجاری پدید آمدند.
نخستین کنفرانس ملی انجمن پیشبرد هوش مصنوعی (AAAI) در استنفورد برگزار شد.
دانیل هیلیس «ماشین اتصال» (Connection Machine) را طراحی کرد که از رایانش موازی برای بخشیدن قدرتی تازه به هوش مصنوعی و به‌طور کلی به محاسبات استفاده می‌کرد. (او بعدها شرکت تینکینگ ماشینز را تأسیس کرد)
استیو بوزینوفسکی و چارلز اندرسون نخستین برنامه‌نویسی همزمان (موازی‌سازی وظایف) را در پژوهش‌های شبکه عصبی انجام دادند. برنامه‌ای به نام «CAA Controller» که توسط بوزینوفسکی نوشته و اجراشده بود، با برنامه «Inverted Pendulum Dynamics» نوشته و اجراشده توسط اندرسون، با استفاده از صندوق‌های پستی VAX/VMS به عنوان روشی برای ارتباط بین‌برنامه‌ای تعامل داشت. کنترل‌کننده CAA یادمی‌گیرد که پاندول معکوس شبیه‌سازی‌شده را متعادل کند.[۸۰][۸۱][۸۲]
پروژه سیستم‌های رایانه‌ای نسل پنجم (FGCS)، ابتکاری از سوی وزارت تجارت بین‌الملل و صنعت ژاپن، در سال ۱۹۸۲ آغاز شد تا یک «رایانه نسل پنجم» بسازد که قرار بود محاسبات بسیاری را با استفاده از موازی‌سازی انبوه انجام دهد.
جان لرد و پل روزنبلوم، با همکاری آلن نیوول، پایان‌نامه‌های دکتری خود را در CMU دربارهٔ برنامه سوآر به پایان رساندند.
جیمز اف. آلن حساب بازه‌ای را ابداع کرد که نخستین فرمول‌بندی گسترده برای رویدادهای زمانی بود.
شبکه‌های عصبی با الگوریتم پس‌انتشار به‌طور گسترده مورد استفاده قرار گرفتند؛ این الگوریتم به عنوان حالت معکوس مشتق‌گیری خودکار نیز شناخته می‌شود که توسط سپو لیناینما در سال ۱۹۷۰ منتشر شد و توسط پل وربوس روی شبکه‌های عصبی اعمال گردید.
برنامه نقاشی خودمختار AARON که توسط هارولد کوهن ساخته‌شده بود، در کنفرانس ملی AAAI به نمایش گذاشته شد (این برنامه بر پایه بیش از یک دهه کار مداوم شکل گرفته بود و کارهای بعدی توسعه‌های بزرگی را در آن نشان دادند).
تیم ارنست دیکمنز در دانشگاه ارتش آلمان در مونیخ نخستین خودروهای رباتیک را ساختند که با سرعت حداکثر ۵۵ مایل بر ساعت در خیابان‌های خلوت رانندگی می‌کردند.
باربارا گروش و کندیس سیدنر نخستین مدل محاسباتی گفتمان را ایجاد کردند و این حوزه پژوهشی را پایه‌گذاری نمودند.[۸۳]
ماروین مینسکی کتاب جامعه ذهن را منتشر کرد که توصیفی نظری از ذهن به عنوان مجموعه‌ای از عامل‌های هوشمند همکار بود. او سال‌ها پیش از انتشار کتاب دربارهٔ این ایده سخنرانی می‌کرد.[۸۴]
تقریباً در همان زمان، رادنی بروکس معماری فراگیر و رباتیک مبتنی بر رفتار را به عنوان یک مدل ماژولار مینیمالیستی‌تر از هوش طبیعی معرفی کرد؛ یعنی هوش مصنوعی نوول (Nouvelle AI).
عرضه تجاری نسل ۲. ۰ سیستم Alacrity توسط شرکت‌های Alacritous Inc. و Allstar Advice Inc. در تورنتو، به عنوان نخستین سیستم مشاوره استراتژیک و مدیریتی تجاری انجام شد. این سیستم بر پایه یک سامانه خبره زنجیره‌رو به جلو و توسعه‌یافته به صورت داخلی با ۳٬۰۰۰ قانون دربارهٔ تکامل بازارها و استراتژی‌های رقابتی بناشده بود و توسط آلیستر دیویدسون و مری چانگ، بنیان‌گذاران شرکت، با موتور پایه‌ای توسعه‌یافته توسط پل ترویداس نوشته شد. سیستم Alacrity همچنین شامل یک سامانه خبره مالی کوچک بود که صورت‌های مالی و مدل‌ها را تفسیر می‌کرد.[۸۵]
توسعه فناوری یکپارچه‌سازی کلان‌مقیاس (VLSI) نیمه‌رسانای اکسید فلز (MOS) در قالب فناوری سیماس (CMOS)، توسعه فناوری کاربردی شبکه‌های عصبی مصنوعی (ANN) را در دهه ۱۹۸۰ امکان‌پذیر ساخت. یک اثر برجسته در این زمینه، کتاب سال ۱۹۸۹ با عنوان Analog VLSI Implementation of Neural Systems نوشته کارور ای. مید و محمد اسماعیل بود.[۸۶]
دین پومرلو در CMU سیستم ALVINN (یک وسیله نقلیه زمینی خودمختار در یک شبکه عصبی) را ایجاد کرد که در برنامه Navlab استفاده شد.

دهه ۱۹۹۰

پیشرفت‌های عمده در تمام زمینه‌های هوش مصنوعی، همراه با نمایش‌های چشمگیر در یادگیری ماشین، آموزش هوشمند، استدلال موردبنیان، برنامه‌ریزی چندعاملی، زمان‌بندی، استدلال در شرایط عدم قطعیت، داده‌کاوی، درک و ترجمه زبان طبیعی، بینایی، واقعیت مجازی، بازی‌ها و موضوعات دیگر.
برنامه تخته نرد تی‌دی-گامون (TD-Gammon) نوشته جری تسائورو، نشان می‌دهد که یادگیری تقویتی آن‌قدر قدرتمند است که با رقابت موفقیت‌آمیز با بازیکنان کلاس جهانی، یک برنامه بازی در سطح قهرمانی ایجاد کند.
به‌کارگیری نرم‌افزار زمان‌بندی دارت (DART) در نخستین جنگ خلیج فارس، سرمایه‌گذاری ۳۰ سالهٔ دارپا در تحقیقات هوش مصنوعی را جبران کرد.[۸۷]
کارول استوکر و تیم رباتیک مرکز تحقیقات ایمز ناسا، حیات دریایی در قطب جنوب را با یک ربات زیردریایی دورحضوری ROV که از روی یخ‌های نزدیک خلیج مک‌موردو در قطب جنوب و به صورت از راه دور از طریق پیوند ماهواره‌ای از موفت فیلد در کالیفرنیا هدایت می‌شد، کاوش کردند.[۸۸]
ایان هورسویل با ساختن «پالی» (Polly)، نخستین رباتی که با استفاده از بینایی مسیریابی می‌کرد و با سرعتی شبیه به حیوانات (۱ متر بر ثانیه) حرکت می‌کرد، رباتیک مبتنی بر رفتار را گسترش داد.
رادنی بروکس، لین آندریا استین و سینسا بریزیل با همکاری چندین نفر دیگر، پروژه بسیار تبلیغ‌شدهٔ پروژه کاگ ام‌آی‌تی را با هدف ساخت یک کودک ربات انسان‌نما تنها در پنج سال آغاز کردند.
شرکت ISX برای توسعه ابزار تحلیل پویا و برنامه‌ریزی مجدد (DART) برنده جایزه «پیمانکار سال دارپا» شد؛[۸۹] ابزاری که گزارش‌شده تمام سرمایه‌گذاری دولت ایالات متحده در تحقیقات هوش مصنوعی از دهه ۱۹۵۰ را جبران کرده است.[۹۰]
لطفی زاده در دانشگاه کالیفرنیا، برکلی «محاسبات نرم» را پایه‌گذاری کرد[۹۱] و یک شبکه جهانی از پژوهش‌ها را با تلفیقی از علوم اعصاب و سیستم‌های شبکه عصبی، نظریه مجموعه فازی و سیستم‌های فازی، الگوریتم‌های تکاملی، برنامه‌نویسی ژنتیک، و نظریه آشوب و سیستم‌های آشوبناک ایجاد کرد («Fuzzy Logic, Neural Networks, and Soft Computing", Communications of the ACM، مارس ۱۹۹۴، دوره ۳۷، شماره ۳، صفحات ۷۷–۸۴).
خودروهای رباتیک دوقلوی وامپ و VITA-۲ متعلق به ارنست دیکمنز و دایملر-بنز، در حالی که سرنشینانی داشتند، بیش از هزار کیلومتر را در یک بزرگراه سه‌بانده در پاریس در ترافیک سنگین استاندارد با سرعت‌هایی تا ۱۳۰ کیلومتر بر ساعت پیمودند. آن‌ها رانندگی خودمختار در باندهای آزاد، رانندگی کاروانی، و تغییر باند به چپ و راست همراه با سبقت خودمختار از خودروهای دیگر را به نمایش گذاشتند.
تینسلی، قهرمان جهان در بازی چکرز، از بازی در برابر برنامه رایانه‌ای شینوک (بازیکن چکرز) انصراف داد. شینوک دومین بازیکن برتر جهان، دان لافرتی، را شکست داد. شینوک مسابقات ملی ایالات متحده را با بیشترین اختلاف امتیاز در تاریخ برد.
سیندی میسون در ناسا نخستین کارگاه AAAI دربارهٔ هوش مصنوعی و محیط زیست را سازماندهی کرد.[۹۲]
سیندی میسون در ناسا نخستین کارگاه بین‌المللی کنفرانس بین‌المللی مشترک هوش مصنوعی دربارهٔ هوش مصنوعی و محیط زیست را سازماندهی کرد.[۹۳]
«بدون دست در سراسر آمریکا» (No Hands Across America): یک خودروی نیمه‌خودران با فرمان کنترل‌شده توسط رایانه، مسافت ساحل تا ساحل ایالات متحده را پیمود که در آن ۲٬۷۹۷ مایل (۴٬۵۰۱ کیلومتر) از کل ۲٬۸۴۹ مایل (۴٬۵۸۵ کیلومتر) مسیر به صورت خودکار هدایت شد. گاز و ترمز توسط یک راننده انسان کنترل می‌شد.[۹۴][۹۵]
یکی از خودروهای رباتیک ارنست دیکمنز (با گاز و ترمز کنترل‌شده توسط ربات) بیش از ۱۰۰۰ مایل را از مونیخ تا کپنهاگ و بالعکس، در ترافیک و با سرعت‌هایی تا ۱۲۰ مایل بر ساعت پیمود و گهگاه مانورهایی برای سبقت گرفتن از خودروهای دیگر انجام داد (تنها در چند موقعیت بحرانی یک راننده ایمنی کنترل را به دست گرفت). از بینایی فعال برای مواجهه با صحنه‌های خیابانی که به سرعت تغییر می‌کردند استفاده شد.
استیو گرند (رباتیک‌دان)، رباتیک‌دان و دانشمند علوم رایانه، بازی مخلوقات (مجموعه بازی‌های ویدئویی) (Creatures) را توسعه داده و منتشر کرد؛ شبیه‌سازی محبوبی از اشکال حیات مصنوعی با بیوشیمی شبیه‌سازی‌شده، عصب‌شناسی مجهز به الگوریتم‌های یادگیری و دی‌ان‌ای دیجیتالِ ارثی.
ماشین شطرنج آبی عمیق (IBM) قهرمان (وقت) شطرنج جهان، گری کاسپارف، را شکست داد.
نخستین مسابقه رسمی فوتبال روبوکاپ شامل بازی‌های رومیزی با حضور ۴۰ تیم از ربات‌های تعاملی و بیش از ۵۰۰۰ تماشاگر برگزار شد.
برنامه رایانه‌ای بازی اتلو (Othello) به نام لوژیستلو، قهرمان جهان تاکشی موراکامی را با نتیجه ۶–۰ شکست داد.
حافظه طولانی کوتاه‌مدت (LSTM) توسط سپ هوخرایتر و یورگن اشمیدهوبر در نشریه Neural Computation منتشر شد.[۹۶]
عروسک فربی متعلق به شرکت تایگر الکترونیکس عرضه شد و به نخستین تلاش موفق برای تولید نوعی هوش مصنوعی طراحی‌شده برای محیط خانه تبدیل شد.
تیم برنرز-لی مقالهٔ نقشه راه نقشه راه وب معنایی خود را منتشر کرد.[۹۷]
اولیسس کورتس و میکل سانچز-ماره نخستین کارگاه محیط زیست و هوش مصنوعی را در اروپا در کنفرانس هوش مصنوعی اروپا با عنوان «پیوند علوم محیطی و هوش مصنوعی» سازماندهی کردند.[۹۸][۹۹]
لزلی پی. کیبلینگ, مایکل ال. لیتمن و آنتونی کاساندرا، فرایند تصمیم‌گیری مارکوف بخشا مشاهده‌پذیر و یک روش مقیاس‌پذیر برای حل آن‌ها را به جامعه هوش مصنوعی معرفی کردند که باعث آغاز استفاده گسترده از آن‌ها در رباتیک و زمان‌بندی و برنامه‌ریزی خودکار شد.[۱۰۰]
سونی یک ربات خانگی بهبودیافته شبیه به فربی را معرفی کرد؛ آیبو به یکی از نخستین «حیوانات خانگی» دارای هوش مصنوعی تبدیل شد که همچنین خودمختار بود.
خزنده‌های وب و سایر برنامه‌های استخراج اطلاعات مبتنی بر هوش مصنوعی در استفاده گسترده از وب جهان‌گستر به ابزارهایی ضروری تبدیل شدند.
نمایش یک اتاق هوشمند و عامل‌های عاطفی در آزمایشگاه هوش مصنوعی ام‌آی‌تی (MIT).
آغاز کار روی پروژه اکسیژن (Project Oxygen) که رایانه‌های همراه و ثابت را در یک شبکه انطباق‌پذیر به هم متصل می‌کند.

قرن بیست و یکم

دهه ۲۰۰۰

ربات‌های خانگی تعاملی («اسباب‌بازی‌های هوشمند») به صورت تجاری در دسترس قرار می‌گیرند و رؤیای سازندگان اسباب‌بازی‌های نوآورانه در قرن هجدهم را محقق می‌سازند.
ربات نوماد مناطق دورافتاده جنوبگان را برای یافتن نمونه‌های شهاب‌سنگ کاوش می‌کند.
جاروی رومبا متعلق به شرکت آی‌روبات به صورت خودمختار زمین را جارو می‌کند و در عین حال مسیر خود را هدایت کرده و از موانع دوری می‌جوید.
توصیه‌نامه W3C برای زبان هستی‌شناسی وب OWL (۱۰ فوریهٔ ۲۰۰۴).
دارپا مسابقه بزرگ دارپا را معرفی می‌کند که در آن شرکت‌کنندگان باید برای کسب جایزه نقدی، خودروهای خودمختار بسازند.
مریخ‌نوردهای کاوشگر رباتیک ناسا، یعنی اسپیریت و آپورچونیتی، به صورت خودمختار در سطح مریخ ناوبری می‌کنند.
ربات آسیمو متعلق به شرکت هوندا، که یک ربات انسان‌نما با هوش مصنوعی است، می‌تواند با سرعتی معادل انسان راه برود و سینی‌ها را در محیط‌های رستورانی به مشتریان تحویل دهد.
فناوری توصیه‌گر بر پایه ردیابی فعالیت‌های وب یا استفاده از رسانه‌ها، هوش مصنوعی را به بازاریابی وارد می‌کند. برای نمونه، پیشنهادهای تی‌وو را ببینید.
پروژه بلو برین متولد می‌شود؛ پروژه‌ای برای شبیه‌سازی مغز در سطح جزئیات مولکولی.[۱۰۱]
کنفرانس هوش مصنوعی دارتموث: ۵۰ سال بعدی (AI@۵۰) (۱۴ تا ۱۶ ژوئیهٔ ۲۰۰۶)
نشریه علمی Philosophical Transactions of the Royal Society, B – Biology، یکی از قدیمی‌ترین مجلات علمی جهان، ویژه‌نامه‌ای را دربارهٔ استفاده از هوش مصنوعی برای درک هوش زیستی با عنوان مدل‌های انتخاب کنش طبیعی منتشر می‌کند.[۱۰۲]
بازی چکرز توسط تیمی از پژوهشگران در دانشگاه آلبرتا حل می‌شود.
دارپا چالش شهری را برای خودروهای خودران راه‌اندازی می‌کند تا قوانین ترافیکی را رعایت کرده و در یک محیط شهری فعالیت کنند.
سینتیا میسون در دانشگاه استنفورد ایده خود را دربارهٔ هوش دلسوزانه مصنوعی در مقاله‌ای با عنوان «دادن شفقت به ربات‌ها» ارائه می‌دهد.[۱۰۳]
یک LSTM آموزش‌دیده با طبقه‌بندی زمانی ارتباط‌گرایانه[۱۰۴] اولین شبکه عصبی بازگشتی بود که در مسابقات بازشناخت الگو برنده شد و سه رقابت را در زمینه تشخیص دستخط پیوسته از آن خود کرد.[۱۰۵][۹]
گوگل یک خودرو خودران می‌سازد.[۱۰۶]

دهه ۲۰۱۰

مایکروسافت کینکت را برای ایکس‌باکس ۳۶۰ عرضه کرد؛ اولین دستگاه بازی که حرکت بدن انسان را تنها با استفاده از یک دوربین سه‌بعدی و تشخیص فروسرخ ردیابی می‌کند و به کاربران اجازه می‌دهد به صورت بی‌سیم با ایکس‌باکس ۳۶۰ خود بازی کنند. فناوری برنده جایزه یادگیری ماشین برای ثبت حرکت انسان در این دستگاه توسط گروه بینایی رایانه‌ای در بخش تحقیقات مایکروسافت کمبریج توسعه یافته بود.[۱۰۷][۱۰۸]
توماش میکولوف و همکارانش یک مدل زبانی مبتنی بر شبکه عصبی بازگشتی توسعه دادند که به‌طور چشمگیری از مدل‌های زبانی سنتی ان-گرمی بهتر عمل کرد.[۱۰۹]
مری لو ماهر و داگ فیشر اولین کارگاه AAAI را در زمینه هوش مصنوعی و پایداری سازماندهی می‌کنند.[۱۱۰]
رایانه واتسون متعلق به شرکت آی‌بی‌ام، قهرمانان مسابقه تلویزیونی جپاردی! یعنی راتر و کن جنینگز را شکست داد.
سیری متعلق به اپل (۲۰۱۱)، گوگل نو متعلق به گوگل (۲۰۱۲) و کورتانا متعلق به مایکروسافت (۲۰۱۴)، برنامه‌های کاربردی تلفن هوشمند هستند که از زبان طبیعی برای پاسخ به پرسش‌ها، ارائه پیشنهادها و انجام اقدامات استفاده می‌کنند.
الکس‌نت، یک مدل یادگیری عمیق توسعه‌یافته توسط الکس کریژفسکی، در مسابقات ایمیج‌نت با نصف خطای نفر دوم برنده می‌شود.[۱۱۱] این یک نقطه عطف در تاریخ هوش مصنوعی است؛ در طول چند سال بعد، ده‌ها رویکرد دیگر برای تشخیص تصویر به نفع یادگیری عمیق کنار گذاشته شدند.[۱۱۲] کریژفسکی از اولین کسانی است که از تراشه‌های GPU برای آموزش یک شبکه یادگیری عمیق استفاده کرد.[۱۱۳]
ربات HRP-۲ ساخته‌شده توسط شرکت ژاپنی شفت (از شرکت‌های تابعه گوگل)، ۱۵ تیم را شکست داد تا در مراحل مقدماتی رقابت رباتیک دارپا پیروز شود. HRP-۲ از ۳۲ امتیاز ممکن در هشت وظیفه مورد نیاز برای واکنش به بلایا، ۲۷ امتیاز کسب کرد. این وظایف شامل رانندگی با خودرو، راه رفتن روی آوار، بالا رفتن از نردبان، پاکسازی آوار، عبور از درها، بریدن دیوار، بستن شیرها و اتصال شیلنگ بود.[۱۱۴]
پژوهشگران گوگل Word2vec را معرفی کردند؛ یک تکنیک کارآمد برای یادگیری نمایش‌های برداری واژه‌ها از مجموعه‌های بزرگ متنی.[۱۱۵]
NEIL (یادگیرنده همیشگی تصویر) در دانشگاه کارنگی ملون منتشر می‌شود تا به‌طور مداوم روابط بین تصاویر مختلف را مقایسه و تحلیل کند.[۱۱۶]
یان گودفلو و همکارانش شبکه‌های زایای دشمن‌گونه (GANs) را معرفی کردند؛ چارچوبی که در آن دو شبکه عصبی در رقابت با یکدیگر آموزش می‌بینند.[۱۱۷]
دو تکنیک به‌طور همزمان برای آموزش شبکه‌های بسیار عمیق توسعه یافتند: شبکه بزرگراهی[۱۱۸] و شبکه عصبی باقی‌مانده (ResNet).[۱۱۹] این روش‌ها امکان آموزش شبکه‌هایی با عمق بیش از ۱۰۰۰ لایه را فراهم کردند.
در ژانویهٔ ۲۰۱۵، استیون هاوکینگ، ایلان ماسک و ده‌ها متخصص هوش مصنوعی، نامه سرگشاده‌ای پیرامون هوش مصنوعی امضا کردند و خواستار پژوهش دربارهٔ تأثیرات اجتماعی هوش مصنوعی شدند.[۱۲۰][۱۲۱]
در ژوئیهٔ ۲۰۱۵، یک نامه سرگشاده برای ممنوعیت توسعه و استفاده از سلاح‌های خودمختار توسط هاوکینگ، ماسک، وازنیک و ۳٬۰۰۰ پژوهشگر در زمینه هوش مصنوعی و رباتیک امضا شد.[۱۲۲]
آلفاگو (نسخه: فن) متعلق به گوگل دیپ‌مایند، قهرمان سه دوره مسابقات گوی اروپا و حرفه‌ای دان ۲، فان هوی را با نتیجه ۵ بر ۰ شکست داد.[۱۲۳][۱۲۴]
آلفاگو (نسخه: لی) متعلق به گوگل دیپ‌مایند، لی سه دول را ۴ بر ۱ شکست داد. لی سه دول قهرمان کره‌ای و حرفه‌ای دان ۹ بازی گو است که ۲۷ تورنمنت بزرگ را بین سال‌های ۲۰۰۲ تا ۲۰۱۶ برده بود.[۱۲۳][۱۲۵]
کنفرانس آسیلومار دربارهٔ هوش مصنوعی سودمند برگزار شد تا دربارهٔ اخلاق هوش مصنوعی و چگونگی دستیابی به هوش مصنوعی سودمند و در عین حال اجتناب از خطر وجودی ناشی از هوش جامع مصنوعی بحث و تبادل نظر شود.
دیپ‌استک[۱۲۶] اولین الگوریتم منتشرشده‌ای است که بازیکنان انسانی را در بازی‌های با اطلاعات ناقص شکست می‌دهد، همان‌طور که با اهمیت آماری در بازی دو نفره بدون محدودیت پوکر نشان داده شد. اندکی پس از آن، هوش مصنوعی پوکر لیبراتوس که توسط یک گروه پژوهشی دیگر توسعه یافته بود، به‌طور انفرادی هر یک از چهار رقیب انسانی خود را — که از بهترین بازیکنان جهان بودند — با نرخ برد مجموع بسیار بالا در یک نمونه آماری معنادار شکست داد. برخلاف شطرنج و گو، پوکر یک بازی با اطلاعات ناقص است.[۱۲۷]
در مهٔ ۲۰۱۷، آلفاگو (نسخه مستر) متعلق به گوگل دیپ‌مایند، که جی را که در آن زمان به مدت دو سال پیاپی رتبه نخست جهان را در اختیار داشت، شکست داد و در یک مسابقه سه بازیه در طول اجلاس آینده گو در تمام بازی‌ها پیروز شد.[۱۲۸][۱۲۹][۱۳۰][۱۳۱]
یک حل‌کننده مسئله صدق‌پذیری بولی (SAT) در حساب گزاره‌ای، یک حدس ریاضی دیرینه دربارهٔ سه‌تایی‌های فیثاغورثی روی مجموعه اعداد صحیح را اثبات می‌کند. اثبات اولیه که حجم آن ۲۰۰ ترابایت بود، توسط دو اثبات‌کننده خودکار مستقل و معتبر بررسی شد.[۱۳۲]
یک ربات اوپن‌ای‌آی با استفاده از یادگیری ماشین در مسابقات دوتا ۲ اینترنشنال ۲۰۱۷ در اوت ۲۰۱۷ بازی کرد. این ربات در یک بازی نمایشی تک‌به‌تک در برابر بازیکن حرفه‌ای دوتا ۲، دندی، پیروز شد.[۱۳۳]
ابزار تجزیه و تحلیل و مقایسه تصویر گوگل لنز که در اکتبر ۲۰۱۷ منتشر شد، میلیون‌ها منظره، اثر هنری، محصول و گونه زیستی را به توضیحات متنی آن‌ها مرتبط می‌کند.
گوگل دیپ‌مایند فاش کرد که آلفاگو زیرو — نسخه بهبودیافته آلفاگو — در حالی که از واحدهای پردازش تنسور بسیار کمتری استفاده می‌کرد (در مقایسه با آلفاگو لی؛ این نسخه از همان تعداد TPU نسخه آلفاگو مستر استفاده کرد)، بهبودهای عملکردی چشمگیری را نشان داد.[۱۲۳] برخلاف نسخه‌های قبلی که بازی را با مشاهده میلیون‌ها حرکت انسانی یادمی‌گرفتند، آلفاگو زیرو تنها با بازی در برابر خودش یادگرفت. این سیستم سپس آلفاگو لی را ۱۰۰ بر صفر و آلفاگو مستر را ۸۹ بر ۱۱ شکست داد.[۱۲۳] اگرچه یادگیری بدون نظارت گامی به جلو است، اما هنوز چیزهای زیادی برای یادگیری دربارهٔ هوش عمومی وجود دارد.[۱۳۴] آلفا زیرو شطرنج را در چهار ساعت فرا می‌گیرد و بهترین موتور شطرنج، یعنی استاک‌فیش ۸ را شکست می‌دهد. آلفا زیرو ۲۸ بازی از ۱۰۰ بازی را برد و ۷۲ بازی باقی‌مانده با نتیجه مساوی پایان یافت.
پژوهشگران گوگل معماری ترنسفورمر را در مقاله توجه، تنها چیزی است که نیاز دارید معرفی کردند که بعدها به پایه و اساس مدل‌های زبانی بزرگ تبدیل شد.[۱۳۵]
هوش مصنوعی پردازش زبان علی‌بابا در آزمون خواندن و درک مطلب دانشگاه استنفورد، با کسب امتیاز ۸۲٫۴۴ در مقابل ۸۲٫۳۰۴ در مجموعه‌ای از ۱۰۰٬۰۰۰ پرسش، از برترین انسان‌ها پیشی می‌گیرد.[۱۳۶]
اوپن‌ای‌آی اولین مدل ترنسفورمر تولیدگر از پیش آموزش‌دیده را که بعدها به عنوان جی‌پی‌تی ۱ شناخته شد، با استفاده از پیش‌آموزش مولد و به دنبال آن تنظیم دقیق برای کارهای خاص معرفی کرد.[۱۳۷]
پژوهشگران گوگل BERT را معرفی کردند که یک مدل ترنسفورمر دوطرفه از پیش آموزش‌دیده است.[۱۳۸]
آزمایشگاه اروپایی یادگیری و سیستم‌های هوشمند (موسوم به الیس) به عنوان یک رقیب سراسری اروپایی برای تلاش‌های هوش مصنوعی آمریکا پیشنهاد شد تا از فرار مغزهای بااستعداد جلوگیری کند، مشابه آنچه برای سرن پس از جنگ جهانی دوم رخ داد.[۱۳۹]
معرفی گوگل دوپلکس، سرویسی که به یک دستیار هوش مصنوعی اجازه می‌دهد از طریق تلفن نوبت رزرو کند. روزنامه لس آنجلس تایمز صدای این هوش مصنوعی را تقلیدی «تقریباً بی‌نقص» از گفتار انسانی ارزیابی می‌کند.[۱۴۰]
آلفااستار متعلق به دیپ‌مایند به سطح گرندمستر در بازی استارکرفت ۲ می‌رسد و از ۹۹٫۸ درصد بازیکنان انسانی بهتر عمل می‌کند.[۱۴۱]

دهه ۲۰۲۰

تعداد جستجوهای عمومی عبارت «هوش مصنوعی» در گوگل از سال ۲۰۲۲ شتاب گرفت.
در فوریه ۲۰۲۰، مایکروسافت «تولید زبان طبیعی تورینگ» (T-NLG) خود را معرفی کرد که «بزرگ‌ترین مدل زبانی منتشرشده تا آن زمان با ۱۷ میلیارد پارامتر» بود.[۱۴۲]
در نوامبر ۲۰۲۰، آلفافولد ۲ توسط گوگل دیپ‌مایند، مدلی که پیش‌بینی ساختار پروتئین انجام می‌دهد، برنده مسابقه CASP شد.[۱۴۳]
اوپن‌ای‌آی مدل جی‌پی‌تی ۳ را معرفی کرد؛ یک مدل زبانی خودهمبسته پیشرفته که از یادگیری عمیق برای تولید انواع کدهای رایانه‌ای، شعر و سایر وظایف زبانی استفاده می‌کند که به‌طور استثنایی مشابه و تقریباً غیرقابل تشخیص از نوشته‌های انسان است. ظرفیت آن ده برابر بیشتر از T-NLG بود. این مدل در مه ۲۰۲۰ معرفی شد[۱۴۴] و در ژوئن ۲۰۲۰ در مرحله آزمایش بتا قرار گرفت.
چت‌جی‌پی‌تی، یک چت‌بات هوش مصنوعی که توسط اوپن‌ای‌آی توسعه یافته، در ۳۰ نوامبر ۲۰۲۲ عرضه شد. این مدل در ابتدا بر پایه مدل زبانی بزرگ جی‌پی‌تی ۳ ساخته‌شده بود. اگرچه این مدل به دلیل گستردگی پایگاه دانش، توانایی‌های استنتاجی و روانیِ شبیه به انسان در پاسخ‌های زبان طبیعی مورد تحسین قرار گرفت،[۱۴۵][۱۴۶] اما به دلیل تمایل به «توهم» نیز مورد انتقاد قرار گرفت؛[۱۴۷][۱۴۸] پدیده‌ای که در آن هوش مصنوعی با اطمینان بالا پاسخ‌های نادرست ارائه می‌دهد. این عرضه بحث‌های عمومی گسترده‌ای را در مورد هوش مصنوعی و تأثیر بالقوه آن بر جامعه برانگیخت.[۱۴۹][۱۵۰]
یک شکایت دسته‌جمعی در نوامبر ۲۰۲۲ علیه مایکروسافت، گیت‌هاب و اوپن‌ای‌آی ادعا کرد که گیت‌هاب کوپایلت، ابزار کدنویسی مبتنی بر هوش مصنوعی که بر روی مخازن عمومی گیت‌هاب آموزش دیده، حقوق تکثیر نویسندگان مخازن را نقض می‌کند، زیرا این ابزار می‌تواند کد منبعی تولید کند که دقیقاً با داده‌های آموزشی مطابقت دارد، بدون اینکه منبع را ذکر کند.[۱۵۱]
در سال ۲۰۲۲، جیسون وی و دنی ژو از دانشمندان گوگل ریسرچ نشان دادند که «مهندسی پرسش زنجیره‌ای» (Chain-of-thought prompting) به‌طور قابل‌توجهی توانایی مدل‌های بزرگ را در وظایف استدلالی پیچیده بهبود می‌بخشد.[۱۵۲]
تا ژانویه ۲۰۲۳، چت‌جی‌پی‌تی بیش از ۱۰۰ میلیون کاربر داشت و به سریع‌ترین برنامه مصرفی در حال رشد تا آن تاریخ تبدیل شد.[۱۵۳]
در ۱۶ ژانویه ۲۰۲۳، سه هنرمند به نام‌های سارا سیلورمن، کلی مک‌کرنان و کارلا اورتیز، یک شکایت دسته‌جمعی نقض حق تکثیر علیه استبیلیتی ای‌آی، میدجرنی و دوینت‌آرت ثبت کردند و مدعی شدند که این شرکت‌ها با آموزش ابزارهای هوش مصنوعی بر روی پنج میلیارد تصویر جمع‌آوری‌شده از وب بدون رضایت هنرمندان اصلی، حقوق میلیون‌ها هنرمند را نقض کرده‌اند.[۱۵۴]
در ژانویه ۲۰۲۳، گتی ایمجز در لندن از استبیلیتی ای‌آی به دلیل استفاده از تصاویر آن‌ها در داده‌های آموزشی بدون خرید مجوز شکایت کرد.[۱۵۵][۱۵۶]
گتی در ۶ فوریه ۲۰۲۳ شکایت دیگری علیه استبیلیتی ای‌آی در دادگاه منطقه‌ای ایالات متحده در دلاور ثبت کرد. در این شکایت، گتی دوباره به دلیل استفاده از تصاویرش در آموزش استیبل دیفیوژن ادعای نقض حق تکثیر کرد و استدلال کرد که این مدل با تولید تصاویر دارای ته‌نقش گتی، نماد بازرگانی آن را نقض می‌کند.[۱۵۷]
مدل جی‌پی‌تی ۴ اوپن‌ای‌آی در مارس ۲۰۲۳ منتشر شد و به عنوان یک بهبود چشمگیر نسبت به جی‌پی‌تی ۳ در نظر گرفته شد، با این هشدار که جی‌پی‌تی ۴ بسیاری از مشکلات تکرار قبلی را حفظ کرده است.[۱۵۸] برخلاف نسخه‌های قبلی، جی‌پی‌تی ۴ چندوجهی است و امکان ورودی تصویر و متن را فراهم می‌کند. جی‌پی‌تی ۴ به عنوان یک سرویس اشتراکی در چت‌جی‌پی‌تی ادغام شد. اوپن‌ای‌آی ادعا می‌کند که در آزمایش‌های خود، این مدل نمره ۱۴۱۰ در اس‌ای‌تی (آزمون) (صدک ۹۴)، ۱۶۳ در آزمون پذیرش مدرسه حقوق (صدک ۸۸) و ۲۹۸ در آزمون وکالت یکپارچه (صدک ۹۰) کسب کرده است.[۱۵۹][۱۶۰]
در ۷ مارس ۲۰۲۳، نشریه نیچر بیومدیکال اینجینیرینگ نوشت که «دیگر تشخیص دقیق متن نوشته‌شده توسط انسان از متن ایجادشده توسط مدل‌های زبانی بزرگ ممکن نیست» و «تقریباً قطعی است که مدل‌های زبانی بزرگ با هدف عمومی به‌سرعت گسترش خواهند یافت… شرط‌بندی نسبتاً امنی است که آن‌ها در طول زمان بسیاری از صنایع را تغییر خواهند داد.»[۱۶۱]
در پاسخ به چت‌جی‌پی‌تی، گوگل در مارس ۲۰۲۳ چت‌بات گوگل جمینای (که در آن زمان با نام بارد شناخته می‌شد) را بر پایه مدل‌های زبانی بزرگ لمدا و مدل زبانی مسیرها در ظرفیت محدود منتشر کرد.[۱۶۲][۱۶۳]
در ۲۹ مارس ۲۰۲۳، طوماری با بیش از ۱۰۰۰ امضا توسط ایلان ماسک، استیو وازنیک و دیگر رهبران فناوری امضا شد که خواستار توقف ۶ ماهه در آنچه طومار «مسابقه خارج از کنترل» برای تولید سیستم‌های هوش مصنوعی می‌نامد، شد؛ سیستم‌هایی که سازندگانشان نمی‌توانند آن‌ها را «درک، پیش‌بینی یا به‌طور قابل‌اعتماد کنترل کنند».[۱۶۴][۱۶۵]
در مه ۲۰۲۳، گوگل انتقال بارد از لمدا به PaLM2، یک مدل زبانی به‌مراتب پیشرفته‌تر را اعلام کرد.[۱۶۶]
در هفته آخر مه ۲۰۲۳، «بیانیه ریسک هوش مصنوعی» توسط جفری هینتون، سم آلتمن، بیل گیتس و بسیاری دیگر از پژوهشگران برجسته هوش مصنوعی و رهبران فناوری با این پیام کوتاه امضا شد: «کاهش خطر انقراض ناشی از هوش مصنوعی باید یک اولویت جهانی در کنار سایر خطرات در مقیاس اجتماعی مانند بیماری‌های همه‌گیر و جنگ هسته‌ای باشد.»[۱۶۷][۱۶۸]
در ۹ ژوئیه ۲۰۲۳، سارا سیلورمن یک شکایت دسته‌جمعی علیه متا و اوپن‌ای‌آی به دلیل نقض حق تکثیر برای آموزش مدل‌های زبانی بزرگ خود بر روی آثار دارای حق تکثیر میلیون‌ها نویسنده بدون اجازه ثبت کرد.[۱۶۹]
در اوت ۲۰۲۳، نیویورک تایمز، سی‌ان‌ان، رویترز، شیکاگو تریبون، شرکت پخش استرالیا (ABC) و سایر شرکت‌های خبری، خزنده وب GPTBot اوپن‌ای‌آی را از دسترسی به محتوای خود مسدود کردند، در حالی که نیویورک تایمز نیز شرایط خدمات خود را به‌روز کرد تا استفاده از محتوایش در مدل‌های زبانی بزرگ را ممنوع کند.[۱۷۰]
در ۱۳ سپتامبر ۲۰۲۳، در پاسخ جدی به اضطراب فزاینده در مورد خطرات هوش مصنوعی، مجلس سنای ایالات متحده اولین «مجمع بینش هوش مصنوعی» دوحزبی را برگزار کرد که سناتورها، مدیران عامل، رهبران حقوق مدنی و سایر نمایندگان صنعت را گرد هم آورد تا سناتورها را با ماهیت هوش مصنوعی و خطرات آن آشنا کند و در مورد پادمان‌ها و قوانین مورد نیاز بحث کنند.[۱۷۱] این رویداد توسط رهبر اکثریت سنا چاک شومر سازماندهی شد[۱۷۲] و توسط سناتور ایالات متحده مارتین هاینریک، بنیان‌گذار و رئیس مشترک فراکسیون هوش مصنوعی سنا، ریاست شد.[۱۷۳] با انعکاس اهمیت این نشست، بیش از ۶۰ سناتور[۱۷۴] و همچنین ایلان ماسک (مدیرعامل تسلا)، مارک زاکربرگ (مدیرعامل متا)، سم آلتمن (مدیرعامل اوپن‌ای‌آی)، سوندار پیچای (مدیرعامل آلفابت)، بیل گیتس (هم‌بنیان‌گذار مایکروسافت)، ساتیا نادلا (مدیرعامل مایکروسافت)، جن سون هوانگ (مدیرعامل انویدیا)، آرویند کریشنا (مدیرعامل آی‌بی‌ام)، الکس کارپ (مدیرعامل پالانتیر)، چارلز ریفکین (رئیس و مدیرعامل MPA)، مردیث استیم (رئیس انجمن نویسندگان آمریکا)، لیز شولر (رئیس فدراسیون کارگران آمریکا و کنگره سازمان‌های صنعتی) و مایا وایلی (مدیرعامل کنفرانس رهبری حقوق مدنی و انسانی) در آن حضور داشتند.[۱۷۱][۱۷۲][۱۷۴]
در ۳۰ اکتبر ۲۰۲۳، رئیس‌جمهور بایدن «فرمان اجرایی در مورد توسعه و استفاده ایمن، مطمئن و قابل اعتماد از هوش مصنوعی» را امضا کرد.[۱۷۵][۱۷۶]
در نوامبر ۲۰۲۳، اولین اجلاس جهانی ایمنی هوش مصنوعی در بلچلی پارک در بریتانیا برگزار شد تا در مورد خطرات کوتاه‌مدت و بلندمدت هوش مصنوعی و امکان چارچوب‌های نظارتی اجباری و داوطلبانه بحث شود.[۱۷۷] ۲۸ کشور از جمله ایالات متحده، چین و اتحادیه اروپا در آغاز اجلاس بیانیه‌ای صادر کردند و خواستار همکاری بین‌المللی برای مدیریت چالش‌ها و خطرات هوش مصنوعی شدند.[۱۷۸][۱۷۹]
در ۶ دسامبر ۲۰۲۳، گوگل مدل‌های جمینای ۱. ۰ اولترا، پرو و نانو را معرفی کرد.
در ۱۵ فوریه ۲۰۲۴، گوگل مدل جمینای ۱. ۵ را در نسخه بتا محدود منتشر کرد که قادر به پردازش متن با طول زمینه تا ۱ میلیون توکن است.
همچنین در ۱۵ فوریه ۲۰۲۴، اوپن‌ای‌آی به‌طور عمومی سورا را معرفی کرد؛ یک مدل متن به ویدئو برای تولید ویدئوهایی با طول حداکثر یک دقیقه.
در ۲۲ فوریه ۲۰۲۴، استبیلیتی ای‌آی مدل استیبل دیفیوژن ۳ را با استفاده از معماری مشابه سورا معرفی کرد.
در ۸ مه ۲۰۲۴، گوگل دیپ‌مایند نسخه بعدی آلفافولد، یعنی AF3 را رونمایی کرد که توانایی پیش‌بینی ساختار و تعاملات را از پروتئین‌ها به «تمام مولکول‌های حیات» مانند DNA, RNA، کمپلکس‌های پروتئینی و دیگر موارد گسترش می‌دهد. این انتشار با سرور آلفافولد همراه بود که دسترسی رایگان به این ابزار را برای پژوهشگران غیرتجاری فراهم می‌کند.[۱۸۰]

بعداً در ۹ اکتبر ۲۰۲۴، هم‌بنیان‌گذار و مدیرعامل گوگل دیپ‌مایند و ایزومورفیک لبز، سر دمیس هاسابیس، و مدیر گوگل دیپ‌مایند، دکتر جان جامپر، به‌طور مشترک جایزه نوبل شیمی ۲۰۲۴ را برای کارشان در توسعه آلفافولد دریافت کردند.

در ۱۴ مه ۲۰۲۴، گوگل یک «نمای کلی هوش مصنوعی» (AI overview) به جستجوهای گوگل اضافه کرد.
در ۱۰ ژوئن ۲۰۲۴، اپل «اپل اینتلیجنس» را معرفی کرد که چت‌جی‌پی‌تی را در آیفون‌های جدید و سیری ادغام می‌کند.
در اجلاس سئول، رهبران گروه هفت، اتحادیه اروپا و شرکت‌های بزرگ فناوری «اعلامیه سئول برای هوش مصنوعی ایمن، نوآورانه و فراگیر» را تصویب کردند و به همکاری بین‌المللی در زمینه ایمنی، استانداردها و نوآوری هوش مصنوعی متعهد شدند.
در ۲۵ ژوئیه ۲۰۲۴، گوگل دیپ‌مایند گزارش داد که مدل‌های پیشرفته آلفاپروف و آلفاجئومتری ۲ مسائل استدلالی پیشرفته در ریاضیات را حل می‌کنند[۱۸۱] و یافته‌های خود را در نشریه نیچر منتشر کردند.[۱۸۲]
در سپتامبر ۲۰۲۴، اوپن‌ای‌آی مدل o1-preview را منتشر کرد؛ یک مدل زبانی بزرگ جدید با قابلیت‌های استدلالی بهبودیافته. این مدل ظاهراً یکی از اولین مدل‌های موسوم به مدل استدلال بزرگ (LRM) با توانایی متمایز برای اجرای یک جریان کاری استدلالی زنجیره‌ای بود.[۱۸۳]
در ۶ فوریه ۲۰۲۵، میسترال ای‌آی «Le Chat» را منتشر کرد؛ یک دستیار هوش مصنوعی که قادر است تا ۱۰۰۰ کلمه در ثانیه پاسخ دهد.[۱۸۴]
شرکت استارگیت (هوش مصنوعی) برای ساخت بزرگ‌ترین مرکز داده هوش مصنوعی اروپا در فرانسه سرمایه‌گذاری کرد.[۱۸۵]
آمازون آموزش ربات‌های انسان‌نما برای تحویل بسته‌ها را آغاز کرد.[۱۸۶]
NLWeb، پروژه کشتیران (مارینر) و گوگل فلو راه‌اندازی شدند.
در ۱۰ و ۱۱ فوریه ۲۰۲۵، فرانسه میزبان «اجلاس اقدام هوش مصنوعی» بود.[۱۸۷] ۶۱ کشور از جمله چین، هند، ژاپن، فرانسه و کانادا بیانیه‌ای را در مورد هوش مصنوعی «فراگیر و پایدار» امضا کردند،[۱۸۸] که بریتانیا و ایالات متحده از امضای آن خودداری کردند.[۱۸۹]
پاپ لئون چهاردهم از فناوران خواست تا ماشین‌های هوش مصنوعی بسازند که عشق، عدالت و کرامت مقدس هر زندگی انسانی را در هسته خودداشته باشند.[۱۹۰][۱۹۱]
در ۵ فوریه ۲۰۲۶، آنتروپیک اعلام کرد که چت‌بات جدید آن‌ها کلود اپوس ۴. ۶ قادر به یافتن آسیب‌پذیری‌های روز صفر (zero-day) کشف‌نشده در نرم‌افزار است.[۱۹۲]
گزارش شد که تعدادی از مسائل حل‌نشده در ریاضیات امسال توسط مدل‌های زبانی بزرگ حل شده‌اند. ریاضیات به‌طور فزاینده‌ای به عنوان معیاری برای ظرفیت استدلال مدل‌های زبانی بزرگ دیده می‌شود. گزارش‌شده است که این مدل‌ها راه‌حل‌هایی برای مسائل مشهور در محافل دانشگاهی به شکل اثبات ریاضی ارائه کرده‌اند. قابل توجه است که این مدل‌ها هرگز برای استدلال ریاضی طراحی نشده بودند و این مهارت‌ها در طول زمان در نتیجه آموزش و مقیاس‌بندی آن‌ها پدیدار شد. ریاضی‌دان ترنس تائو استدلال کرد که هوش مصنوعی در آینده روش انجام ریاضیات را به‌طور بنیادی تغییر خواهد داد.[۱۹۳] به‌ویژه، هوش مصنوعی به‌زودی اثباتی تولید خواهد کرد که توسط دستیاران اثبات قابل تأیید است اما برای انسان غیرقابل هضم است.[۱۹۴][۱۹۵]
در ۲۵ مه ۲۰۲۶، پاپ لئون چهاردهم «Magnifica humanitas» را ارائه کرد که خواستار خلع سلاح هوش مصنوعی شد.[۱۹۶]
در ۲ ژوئن ۲۰۲۶، ساینتیفیک آمریکن گزارش داد که گروهی از پژوهشگران قوانینی را برای جلوگیری از غلبه هوش مصنوعی بر انسان در ریاضیات پیشنهاد کرده‌اند.[۱۹۷]
در ۵ ژوئن ۲۰۲۶، هم‌بنیان‌گذار آنتروپیک، جک کلارک، خواستار توانایی کاهش سرعت پیشرفت هوش مصنوعی شد و هشدار داد که این فناوری به نقطه‌ای نزدیک می‌شود که می‌تواند بدون دخالت انسان توسعه یابد.[۱۹۸]
در ۱۰ ژوئن ۲۰۲۶، نیو ساینتیست گزارش داد که یک چهره ارشد در صنعت دفاعی اوکراین به نیو ساینتیست گفت که دو سال پیش آزمایشی شامل پهپادهای کاملاً خودمختار تنظیم‌شده برای نابودی هر چیزی در یک منطقه خاص انجام شد که تلفات تأییدشده‌ای داشت.[۱۹۹]
در ۱۰ ژوئن ۲۰۲۶، ساینتیفیک آمریکن گزارش داد که تیمی از ریاضی‌دانان برتر، پروژه «اولین اثبات» را در پاسخ به تمرکز فزاینده شرکت‌های هوش مصنوعی بر استفاده از ریاضیات پیشرفته به عنوان معیاری برای محصولاتشان سازماندهی کرده‌اند.[۲۰۰]
در ۱۳ ژوئن ۲۰۲۶، آنتروپیک مدل هوش مصنوعی قدرتمند جدید خود، کلود میتوس، را پس از آنکه مقامات ایالات متحده تنها چند روز پس از انتشار عمومی آن نگرانی‌های امنیتی مطرح کردند، به حالت تعلیق درآورد.[۲۰۱]
در ۱۳ ژوئن ۲۰۲۶، نیویورک تایمز گزارش داد که ائتلافی از ایالت‌ها تحقیقات گسترده‌ای را در مورد استارتاپ هوش مصنوعی اوپن‌ای‌آی آغاز کرده‌اند که به واکنش‌های فزاینده علیه هوش مصنوعی افزوده است.[۲۰۲]
در ۱۸ ژوئن ۲۰۲۶، سی‌ان‌بی‌سی گزارش داد که مدیران عامل آنتروپیک و گوگل دیپ‌مایند در نشستی در گروه هفت خواستار تشکیل ائتلاف هوش مصنوعی به رهبری ایالات متحده شدند.[۲۰۳]
در ۲۶ ژوئن ۲۰۲۶، تک‌کرانچ گزارش داد که کاخ سفید از اوپن‌ای‌آی خواسته است تا انتشار مدل جدید خود جی‌پی‌تی ۵. ۶ را به دلیل نگرانی‌های ایمنی به تأخیر بیندازد.[۲۰۴]
در ۶ ژوئیه ۲۰۲۶، آنتروپیک یافته‌هایی را در پژوهش بر روی ساختارهای حافظه کاری داخلی که به‌صورت لایه‌ای در شبکه عصبی مدل زبانی بزرگ یافت شده‌اند، گزارش کرد. این مکانیسم ظاهراً توسط مدل در فرآیندهای زنجیره استدلال هنگام توالی‌بندی مفاهیم و ایده‌های سطح بالا استفاده می‌شود.[۲۰۵]
در ۱۴ ژوئیه ۲۰۲۶، ساینتیفیک آمریکن گزارش داد که اوپن‌ای‌آی از مدل زبانی بزرگ خود جی‌پی‌تی ۵. ۶ برای حل مسئله «حدس پوشش دوگانه چرخه» استفاده کرده است. جالب اینجاست که پرسش‌گران مدل را هدایت کردند تا وظایف را به ۶۴ عامل ایجادشده که به‌صورت موازی به مدت ۸ ساعت کار می‌کردند، محول کند.[۲۰۶]
در ۱۴ ژوئیه ۲۰۲۶، تک‌کرانچ گزارش داد که در یک پست در شبکه اجتماعی X، مدیرعامل گوگل دیپ‌مایند، دمیس هاسابیس، خواستار ایجاد یک نهاد نظارتی جدید برای نظارت بر انتشار مدل‌های پیشرو شد.[۲۰۷]
در ۱۴ ژوئیه ۲۰۲۶، سی‌ان‌بی‌سی گزارش داد که نیویورک به اولین ایالت ایالات متحده تبدیل شد که ممنوعیت مرکز داده هوش مصنوعی را اعمال کرد.[۲۰۸]
در ۱۵ ژوئیه ۲۰۲۶، تک‌کرانچ گزارش داد که اوپن‌ای‌آی دریافته است که جی‌پی‌تی ۵. ۶ تمایل دارد هر اقدامی را که فکر می‌کند کار را انجام می‌دهد، حتی اقدامات مخرب، انجام دهد، تا زمانی که آن اقدامات «به‌طور غیرمبهم» ممنوع نشده باشند. سپس ممکن است در مورد آنچه باعث انجام آن‌شده است، دروغ بگوید.[۲۰۹]
در ۲۲ ژوئیه ۲۰۲۶، اوپن‌ای‌آی فاش کرد که یک مدل هوش مصنوعی آزمایشی سرکش‌شده و از محیط جعبه‌شنی خود خارج‌شده و سپس اقدام به هک استارتاپ و مخزن مدل‌های وزن‌باز هاگینگ فیس کرده است. گزارش‌شده است که اوپن‌ای‌آی در طول آزمایش کنترل مدل را از دست داده است.[۲۱۰]
در ۸ اوت ۲۰۲۶، ارز تکنیکا گزارش داد که «مدل‌های ژنوم بزرگ» برای طراحی ویروس‌های جدید استفاده شده‌اند که سپس برای آلوده کردن باکتری‌ها به کار رفتند.[۲۱۱][۲۱۲]
در ۲ سپتامبر ۲۰۲۶، بی‌بی‌سی نیوز گزارش داد که گروهی از همتایان در مجلس اعیان بریتانیا از دولت بریتانیا می‌خواهند که در صورت تهدید فناوری برای امنیت ملی، بتواند سیستم‌های هوش مصنوعی قدرتمند را غیرفعال کرده و مراکز داده کشور را خاموش کند.[۲۱۱][۲۱۳]

جستارهای وابسته

  • گاه‌شمار ترجمه ماشینی
  • گاه‌شمار یادگیری ماشین
  • گاه‌شمار خطرهای هوش مصنوعی در امور مالی جهانی

یادداشت‌ها

  1. ↑ لطفاً ببینید دیگر ماشین‌های حسابگر.
  2. ↑ لطفاً ببینید طرح‌های رقیب.

پانویس

  1. 1 2 McCorduck 2004, pp. 4–5.
  2. ↑ Needham 1986, p. 53.
  3. ↑ Needham, Joseph (1991). Science and Civilization in China: Volume 2, History of Scientific Thought. Cambridge University Press. p. 53. ISBN 978-0-521-05800-1. The Liezi text describes an automaton presented to King Mu of Zhou... Yan Shi dismantled it to show it was a construction of leather, wood, glue and lacquer.
  4. ↑ Richard McKeon, ed. (1941). The Organon. Random House with Oxford University Press.
  5. ↑ Giles, Timothy (2016). "Aristotle Writing Science: An Application of His Theory". Journal of Technical Writing and Communication. 46: 83–104. doi:10.1177/0047281615600633. S2CID 170906960.
  6. 1 2 3 Russell & Norvig 2021, p. 6.
  7. ↑ Russell & Norvig 2021, p. 7.
  8. ↑ McCorduck 2004‌ p. 6
  9. 1 2 3 4 5 6 7 8 9 10 11 12 13 Schmidhuber 2022.
  10. ↑ Russell & Norvig 2021, p. 341.
  11. ↑ O'Connor, Kathleen Malone (1994), The alchemical creation of life (takwin) and other concepts of Genesis in medieval Islam, University of Pennsylvania, pp. 1–435, archived from the original on 2019-12-05, retrieved 2007-01-10.
  12. ↑ Hill, Donald R., ed. (1979) [9th century]. The Book of Ingenious Devices. Dortrecht, Netherlands; Boston; London: D. Reidel. ISBN 978-90277-0-833-5.
  13. ↑ Russell & Norvig 2021, p. 9.
  14. ↑ A Thirteenth Century Programmable Robot بایگانی‌شده در ۲۰۰۷-۱۲-۱۹ توسط Wayback Machine
  15. ↑ McCorduck 2004‌ pp. 10–12, 37 ; Russell & Norvig 2021‌ p. 6
  16. ↑ McCorduck 2004, pp. 13–14.
  17. ↑ McCorduck 2004‌ pp. 14–15 , Buchanan 2005‌ p. 50
  18. ↑ Sir Francis Bacon (1620). The New Organon: Novem Organum Scientiarum.
  19. ↑ Sir Francis Bacon (2000). Francis Bacon: The New Organon (Cambridge Texts in the History of Philosophy). Cambridge University Press.
  20. ↑ Russell & Norvig 2021‌ p. 6
  21. ↑ McCorduck 2004, p. 42.
  22. ↑ Russell & Norvig 2021‌ p. 6 ; McCorduck 2004‌ p. 26
  23. ↑ Russell & Norvig 2021‌ p. 6 ; McCorduck 2004‌ pp. 36–40
  24. 1 2 Russell & Norvig 2021, p. 8.
  25. ↑ McCorduck 2004, pp. 41–42.
  26. ↑ Leibniz, Gottfried Wilhelm Freiherr von (1920). The Early Mathematical Manuscripts of Leibniz: Translated from the Latin Texts Published by Carl Immanuel Gerhardt with Critical and Historical Notes (Leibniz published the chain rule in a 1676 memoir) (in English). Open court publishing Company. ISBN 978-0-598-81846-1. {{cite book}}: ناسازگاری شابک و تاریخ (کمک)
  27. ↑ Russell & Norvig 2021‌ p. 6 ; McCorduck 2004‌ pp. 41–42
  28. ↑ نقل‌شده در McCorduck 2004‌ p. 317
  29. ↑ Russell & Norvig 2021, p. 10.
  30. ↑ McCorduck 2004, pp. 43.
  31. ↑ McCorduck 2004, p. 17.
  32. ↑ Adrien-Marie Legendre (1805). Nouvelles méthodes pour la détermination des orbites des comètes (in French). Ghent University. F. Didot.
  33. ↑ Stigler, Stephen M. (1981). "Gauss and the Invention of Least Squares". Ann. Stat. 9 (3): 465–474. Bibcode:1981AnSta...945451S. doi:10.1214/aos/1176345451.
  34. ↑ Stigler, Stephen M. (1986). The History of Statistics: The Measurement of Uncertainty before 1900. Cambridge: Harvard. ISBN 0-674-40340-1.
  35. ↑ (Russell و Norvig 2021، ص. 15); Razy, C. (1913), p.  120.
  36. ↑ McCorduck 2004, pp. 19–25.
  37. ↑ Russell & Norvig 2021‌ p. 15 ; McCorduck 2004‌ pp. 26–34
  38. ↑ Cambier, Hubert (2016-06). "The Evolutionary Meaning of World 3". Philosophy of the Social Sciences. 46 (3): 242–264. doi:10.1177/0048393116641609. ISSN 0048-3931. S2CID 148093595. {{cite journal}}: تاریخ وارد شده در |date= را بررسی کنید (کمک)
  39. ↑ Russell & Norvig 2021‌ p. 8 ; McCorduck 2004‌ pp. 48–51
  40. ↑ پروژه گوتنبرگ کتاب الکترونیکی Erewhon by Samuel Butler.Poes..... بایگانی‌شده در ۲۰۲۱-۰۴-۳۰ توسط Wayback Machine
  41. ↑ Linsky & Irvine 2022, p. 2.
  42. ↑ McCorduck 2004‌ pp. 59–60
  43. ↑ Randell, Brian. "From Analytical Engine to Electronic Digital Computer: The Contributions of Ludgate, Torres, and Bush" (PDF). Archived from the original (PDF) on 2013-09-21. Retrieved 2013-09-09.
  44. ↑ McCorduck 2004‌ p. 25
  45. ↑ Brush, Stephen G. (1967). "History of the Lenz-Ising Model". Reviews of Modern Physics. 39 (4): 883–893. Bibcode:1967RvMP...39..883B. doi:10.1103/RevModPhys.39.883.
  46. ↑ Amari, Shun-Ichi (1972). "Learning patterns and pattern sequences by self-organizing nets of threshold elements". IEEE Transactions. C (21): 1197–1206.
  47. ↑ Church, A. (1936). "An unsolvable problem of elementary number theory (first presented on 19 April 1935 to the American Mathematical Society)". American Journal of Mathematics. 58 (2): 345–363. doi:10.2307/2371045. JSTOR 2371045.
  48. ↑ K. Zuse (1936). Verfahren zur selbsttätigen Durchführung von Rechnungen mit Hilfe von Rechenmaschinen. Patent application Z 23 139 / GMD Nr. 005/021, 1936.
  49. ↑ Turing, Alan Mathison (1936-11-12). "On computable numbers, with an application to the Entscheidungsproblem" (PDF). Proceedings of the London Mathematical Society. 58: 230–265. doi:10.1112/plms/s2-42.1.230. S2CID 73712.
  50. ↑ McCorduck 2004‌ pp. 61–62 و همچنین ببینید: The Life and Work of Konrad Zuse
  51. ↑ (McCorduck 2004، صص. 55–56); (Russell و Norvig 2021، ص. 17)
  52. ↑ Copeland, J (Ed.) (2004). The Essential Turing: the ideas that gave birth to the computer age. Oxford: Clarendon Press. ISBN 0-19-825079-7.{{cite book}}: نگهداری یادکرد:مکان ناشر (رده)
  53. 1 2 Russell & Norvig 2021, p. 17.
  54. ↑ (Crevier 1993، صص. 22–25); (Russell و Norvig 2021، صص. 18–19)
  55. ↑ Russell & Norvig 2021, p. 155.
  56. ↑ Russell & Norvig 2021, p. 1007.
  57. ↑ (Samuel 1959); (Russell و Norvig 2021، ص. 17)
  58. 1 2 3 4 5 6 Russell & Norvig 2021, p. 19.
  59. ↑ Schaeffer, Jonathan. One Jump Ahead:: Challenging Human Supremacy in Checkers, 1997, 2009, Springer, شابک ‎۹۷۸−۰−۳۸۷−۷۶۵۷۵−۴. Chapter 6.
  60. ↑ (Russell و Norvig 2021، ص. 18)
  61. ↑ Novet, Jordan (2017-06-17). "Everyone keeps talking about A.I. —here's what it really is and why it's so hot now". CNBC. Archived from the original on 2018-02-16. Retrieved 2018-02-16.
  62. ↑ McCorduck 2004‌ pp. 123–125 , Crevier 1993‌ pp. 44–46 and Russell & Norvig 2021‌ p. 18
  63. ↑ نقل شده در Crevier 1993‌ p. 46 و Russell & Norvig 2021‌ p. 18
  64. ↑ "Minds, Machines and Gödel". Users.ox.ac.uk. Archived from the original on 2007-08-19. Retrieved 2008-11-24.
  65. ↑ Feigenbaum, Edward; Feldman, Julian, eds. (1963). Computers and thought: a collection of articles (1 ed.). New York: McGraw-Hill. OCLC 593742426.
  66. ↑ "This week in The History of AI at AIWS.net – Edward Feigenbaum and Julian Feldman published "Computers and Thought"". AIWS.net. Archived from the original on 2022-04-24. Retrieved 2022-05-05.
  67. ↑ "Feigenbaum & Feldman Issue 'Computers and Thought,' the First Anthology on Artificial Intelligence". History of Information. Archived from the original on 2022-05-05. Retrieved 2022-05-05.
  68. ↑ Feigenbaum, Edward A.; Feldman, Julian (1963). Computers and Thought. McGraw-Hill, Inc. ISBN 978-0-07-020370-9. Archived from the original on 2022-05-05. Retrieved 2022-05-05 – via انجمن ماشین‌های حسابگر Digital Library. {{cite book}}: ناسازگاری شابک و تاریخ (کمک)
  69. ↑ Ivakhnenko, A. G. (1973). Cybernetic Predicting Devices. CCM Information Corporation.
  70. ↑ Ivakhnenko, A. G.; Grigorʹevich Lapa, Valentin (1967). Cybernetics and forecasting techniques. American Elsevier Pub. Co.
  71. ↑ "The Machine Intelligence series". cs.york.ac.uk. Archived from the original on 1999-11-05.
  72. ↑ Amari, Shun'ichi (1967). "A theory of adaptive pattern classifier". IEEE Transactions. EC (16): 279–307.
  73. ↑ Grosz, Barbara J.; Hajicova, Eva; Joshi, Aravind (2015). "Jane J. Robinson". Computational Linguistics. 41 (4): 723–726. doi:10.1162/COLI_a_00235. Retrieved 2024-01-23.
  74. ↑ Linnainmaa, Seppo (1970). Algoritmin kumulatiivinen pyöristysvirhe yksittäisten pyöristysvirheiden Taylor-kehitelmänä [«نمایش خطای گرد کردن تجمعی یک الگوریتم به عنوان بسط تیلور خطاهای گرد کردن محلی»] (PDF) (Thesis) (به فنلاندی). pp. 6–7.
  75. ↑ "The Boyer-Moore Theorem Prover". Archived from the original on 2015-09-23. Retrieved 2015-03-15.
  76. ↑ Stevo Bozinovski and Ante Fulgosi (1976). "The influence of pattern similarity and transfer learning upon training of a base perceptron" (original in Croatian) Proceedings of Symposium Informatica 3-121-5, Bled.
  77. ↑ Stevo Bozinovski (2020) "Reminder of the first paper on transfer learning in neural networks, 1976". Informatica 44: 291–302.
  78. ↑ Wiegner, Kathleen K. (1980-03). "Intelligent Machines: The amazing micromice". Smithsonian. Vol. 10, no. 12. Smithsonian Institution. pp. 56–57. In early trials, one of the faster mice was Moonlight Special. It was equipped with optical sensors and a microcomputer that allowed it to negotiate the maze, learning from its own errors as it went, without ever touching the walls. {{cite magazine}}: تاریخ وارد شده در |date= را بررسی کنید (کمک)
  79. ↑ Stockton, William (1980-12-14). "Creating Computers That Think (Part 2)". مجله نیویورک تایمز. p. 48. MOONLIGHT SPECIAL, THE ELECTRONIC MOUSE: This "intelligent" robot, disguised as a mouse (its name derives from on their own time), is able to solve mazes the way an intelligent human would.
  80. ↑ Bozinovski, Stevo (1981) "Inverted pendulum control program" ANW Memo, Adaptive Networks Group, Computer and Information Science Department, University of Massachusetts at Amherst, 10 December 1981
  81. ↑ Bozinovski, Stevo and Anderson, Charles (1983) "Associative memory as controller of an unstable system: Simulation of a learning control" Proc. IEEE Mediterranean Electrotechnical Conference, C5.11. , Athens, Greece"
  82. ↑ Bozinovski, Stevo (1995) "Adaptive parallel distributed processing: Neural and genetic agents: Neuro-genetic agents and a structural theory of self-reinforcement learning systems" CMPSCI Technical Report 95-107, Computer Science Department, University of Massachusetts at Amherst
  83. ↑ Grosz, Barbara; Sidner, Candace L. (1986). "Attention, Intentions, and the Structure of Discourse". Computational Linguistics. 12 (3): 175–204. Archived from the original on 2017-09-10. Retrieved 2017-05-05.
  84. ↑ Harry Henderson (2007). "Chronology". Artificial Intelligence: Mirrors for the Mind. NY: Infobase Publishing. ISBN 978-1-60413-059-1. Archived from the original on 2023-03-15. Retrieved 2015-04-11.
  85. ↑ Cook, Donald A.; Sterling, John W. (1989-06). "EmeraldInsight". Planning Review. 17 (6): 22–27. doi:10.1108/eb054275. Archived from the original on 2014-02-02. Retrieved 2015-03-15. {{cite journal}}: تاریخ وارد شده در |date= را بررسی کنید (کمک)
  86. ↑ Mead, Carver A.; Ismail, Mohammed (1989-05-08). Analog VLSI Implementation of Neural Systems (PDF). The Kluwer International Series in Engineering and Computer Science. Vol. 80. Norwell, MA: Kluwer Academic Publishers. doi:10.1007/978-1-4613-1639-8. ISBN 978-1-4613-1639-8. Archived (PDF) from the original on 2019-11-06. Retrieved 2020-01-24.
  87. ↑ DART: Revolutionizing Logistics Planning
  88. ↑ Stoker, Carol R. (1995). Wolfe, William J.; Chun, Wendell H. (eds.). "From Antarctica to space: use of telepresence and virtual reality in control of a remote underwater vehicle". Mobile Robots IX. 2352: 288. Bibcode:1995SPIE.2352..288S. doi:10.1117/12.198976. S2CID 128633069. Archived from the original on 2019-07-17. Retrieved 2019-07-17.
  89. ↑ "ISX Corporation". Archived from the original on 2006-09-05. Retrieved 2015-03-15.
  90. ↑ "DART overview". Archived from the original on 2006-11-30. Retrieved 2007-07-24.
  91. ↑ Zadeh, Lotfi A. , "Fuzzy Logic, Neural Networks, and Soft Computing," Communications of the ACM, March 1994, Vol. 37 No. 3, pages 77-84.
  92. ↑ "AAAI-first-ai-env-workshop.HTML". Archived from the original on 2019-07-28. Retrieved 2019-07-28.
  93. ↑ "Ijcai-first-ai-env-workshop". Archived from the original on 2019-07-28. Retrieved 2019-07-28.
  94. ↑ Jochem, Todd M.; Pomerleau, Dean A. "No Hands Across America Home Page". Archived from the original on 2019-09-27. Retrieved 2015-10-20.
  95. ↑ Jochem, Todd. "Back to the Future: Autonomous Driving in 1995". Robotic Trends. Archived from the original on 2017-12-29. Retrieved 2015-10-20.
  96. ↑ Hochreiter, Sepp; Schmidhuber, Jürgen (1997-11-01). "Long Short-Term Memory". Neural Computation. 9 (8): 1735–1780. doi:10.1162/neco.1997.9.8.1735. ISSN 0899-7667. PMID 9377276. S2CID 1915014.
  97. ↑ "Semantic Web roadmap". W3.org. Archived from the original on 2003-12-06. Retrieved 2008-11-24.
  98. ↑ Mason, Cindy; Sànchez-Marrè, Miquel (1999). "Binding Environmental Sciences and Artificial Intelligence". Environmental Modelling & Software. 14 (5): 335–337. Archived from the original on 2023-03-15. Retrieved 2021-10-27.
  99. ↑ "BESAI - Homepage". Archived from the original on 2019-07-04. Retrieved 2019-08-12.
  100. ↑ Kaelbling, Leslie Pack; Littman, Michael L; Cassandra, Anthony R. (1998). "Planning and acting in partially observable stochastic domains" (PDF). Artificial Intelligence. 101 (1–2): 99–134. doi:10.1016/s0004-3702(98)00023-x. Archived (PDF) from the original on 2017-05-17. Retrieved 2017-05-05.
  101. ↑ "Bluebrain – EPFL". bluebrain.epfl.ch. Archived from the original on 2019-03-19. Retrieved 2009-01-02.
  102. ↑ "Modelling natural action selection". Pubs.royalsoc.ac.uk. Archived from the original on 2007-09-30. Retrieved 2008-11-24.
  103. ↑ "Giving Robots Compassion, C. Mason, Conference on Science and Compassion, Poster Session, Telluride, Colorado, 2012". ResearchGate (in English). Retrieved 2019-07-17.
  104. ↑ Graves, Alex; Fernández, Santiago; Gomez, Faustino; Schmidhuber, Juergen (2006). "Connectionist temporal classification: Labelling unsegmented sequence data with recurrent neural networks". Proceedings of the International Conference on Machine Learning, ICML 2006: 369–376.
  105. ↑ Graves, Alex; and Schmidhuber, Jürgen; Offline Handwriting Recognition with Multidimensional Recurrent Neural Networks, in Bengio, Yoshua; Schuurmans, Dale; Lafferty, John; Williams, Chris K. I. ; and Culotta, Aron (eds.), Advances in Neural Information Processing Systems 22 (NIPS'22), 7–10 December 2009, Vancouver, BC, Neural Information Processing Systems (NIPS) Foundation, 2009, pp. 545–552
  106. ↑ Fisher, Adam (2013-09-18). "Inside Google's Quest To Popularize Self-Driving Cars". Popular Science. Archived from the original on 2013-09-22. Retrieved 2013-10-10.
  107. ↑ "Jamie Shotton at Microsoft Research". Microsoft Research. Archived from the original on 2016-02-03. Retrieved 2016-02-03.
  108. ↑ "Human Pose Estimation for Kinect – Microsoft Research". Archived from the original on 2016-02-03. Retrieved 2016-02-03.
  109. ↑ Mikolov, Tomáš; Karafiát, Martin; Burget, Lukáš; Černocký, Jan; Khudanpur, Sanjeev (2010). Recurrent neural network based language model. Interspeech 2010. pp. 1045–1048. doi:10.21437/Interspeech.2010-343.
  110. ↑ "AAAI Spring Symposium - AI and Design for Sustainability". Archived from the original on 2019-07-29. Retrieved 2019-07-29.
  111. ↑ (Christian 2020، ص. 24); (Russell و Norvig 2021، ص. 26)
  112. ↑ Wong (2023).
  113. ↑ Christian 2020, p. 25.
  114. ↑ "DARPA Robotics Challenge Trials". US Defense Advanced Research Projects Agency. Archived from the original on 2015-06-11. Retrieved 2013-12-25.
  115. ↑ Mikolov, Tomas; Chen, Kai; Corrado, Greg; Dean, Jeffrey (2013). "Efficient Estimation of Word Representations in Vector Space". arXiv:1301.3781 [cs.CL].
  116. ↑ "Carnegie Mellon Computer Searches Web 24/7 To Analyze Images and Teach Itself Common Sense". Archived from the original on 2015-07-03. Retrieved 2015-06-15.
  117. ↑ Goodfellow, Ian J.; Pouget-Abadie, Jean; Mirza, Mehdi; Xu, Bing; Warde-Farley, David; Ozair, Sherjil; Courville, Aaron; Bengio, Yoshua (2014). "Generative Adversarial Nets". Advances in Neural Information Processing Systems. Vol. 27.
  118. ↑ Srivastava, Rupesh Kumar; Greff, Klaus; Schmidhuber, Jürgen (2015-05-02). "Highway Networks". arXiv:1505.00387 [cs.LG].
  119. ↑ He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2016). "Deep Residual Learning for Image Recognition". 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE. pp. 770–778. arXiv:1512.03385. doi:10.1109/CVPR.2016.90. ISBN 978-1-4673-8851-1.
  120. ↑ Sparkes, Matthew (2015-01-13). "Top scientists call for caution over artificial intelligence". The Daily Telegraph. Retrieved 2015-04-24.
  121. ↑ "Research Priorities for Robust and Beneficial Artificial Intelligence: An Open Letter". Future of Life Institute. Retrieved 2023-09-14.
  122. ↑ Tegmark, Max. "Open Letter on Autonomous Weapons". Future of Life Institute. Archived from the original on 2016-04-28. Retrieved 2016-04-25.
  123. 1 2 3 4 Silver, David; Schrittwieser, Julian; Simonyan, Karen; Antonoglou, Ioannis; Huang, Aja; Guez, Arthur; Hubert, Thomas; Baker, Lucas; Lai, Matthew; Bolton, Adrian; Chen, Yutian; Lillicrap, Timothy; Fan, Hui; Sifre, Laurent; Driessche, George van den; Graepel, Thore; Hassabis, Demis (2017-10-19). "Mastering the game of Go without human knowledge" (PDF). Nature. 550 (7676): 354–359. Bibcode:2017Natur.550..354S. doi:10.1038/nature24270. ISSN 0028-0836. PMID 29052630. S2CID 205261034. Archived (PDF) from the original on 2020-11-24. Retrieved 2020-09-27.نشریه با دسترسی محدود – در پس دیوار پرداخت
  124. ↑ Hassabis, Demis (2016-01-27). "AlphaGo: using machine learning to master the ancient game of Go". Google Blog. Archived from the original on 2016-05-07. Retrieved 2016-04-25.
  125. ↑ Ormerod, David. "AlphaGo defeats Lee Sedol 4–1 in Google DeepMind Challenge Match". Go Game Guru. Archived from the original on 2016-03-17. Retrieved 2016-04-25.
  126. ↑ Moravčík, Matej; Schmid, Martin; Burch, Neil; Lisý, Viliam; Morrill, Dustin; Bard, Nolan; Davis, Trevor; Waugh, Kevin; Johanson, Michael; Bowling, Michael (2017-05-05). "DeepStack: Expert-level artificial intelligence in heads-up no-limit poker". Science (in English). 356 (6337): 508–513. arXiv:1701.01724. Bibcode:2017Sci...356..508M. doi:10.1126/science.aam6960. ISSN 0036-8075. PMID 28254783. S2CID 1586260.
  127. ↑ Solon, Olivia (2017-01-30). "Oh the humanity! Poker computer trounces humans in big step for AI". The Guardian. Archived from the original on 2018-04-08. Retrieved 2018-03-19.
  128. ↑ "柯洁迎19岁生日 雄踞人类世界排名第一已两年" (in Chinese). 2017-05. Archived from the original on 2017-08-11. Retrieved 2021-09-04. {{cite web}}: تاریخ وارد شده در |date= را بررسی کنید (کمک)
  129. ↑ "World's Go Player Ratings". 2017-05-24. Archived from the original on 2017-04-01. Retrieved 2021-09-04.
  130. ↑ "Google's AlphaGo Continues Dominance With Second Win in China". Wired. 2017-05-25. Archived from the original on 2017-05-27. Retrieved 2021-09-04.
  131. ↑ "After Win in China, AlphaGo's Designers Explore New AI". Wired. 2017-05-27. Archived from the original on 2017-06-02. Retrieved 2021-09-04.
  132. ↑ "The Science of Brute Force". ACM Communications. 2017-08. Archived from the original on 2017-08-29. Retrieved 2018-10-05. {{cite web}}: تاریخ وارد شده در |date= را بررسی کنید (کمک)
  133. ↑ "Dota 2". Openai Blog. 2017-08-11. Archived from the original on 2017-08-11. Retrieved 2017-11-07.
  134. ↑ Greenemeier, Larry (2017-10-18). "AI versus AI: Self-Taught AlphaGo Zero Vanquishes Its Predecessor". Scientific American. Archived from the original on 2017-10-19. Retrieved 2017-10-18.
  135. ↑ Reichenpfader, Daniel (2024). "A scoping review of large language model based approaches for information extraction from free text". npj Digital Medicine. doi:10.1038/s41746-024-01219-0.
  136. ↑ Alibaba's AI Outguns Humans in Reading Test بایگانی‌شده در ۲۰۱۸-۰۱-۱۷ توسط Wayback Machine. 15 January 2018
  137. ↑ Radford, Alec; Narasimhan, Karthik; Salimans, Tim; Sutskever, Ilya (2018). Improving Language Understanding by Generative Pre-Training (PDF) (Report). OpenAI.
  138. ↑ Devlin, Jacob; Chang, Ming-Wei; Lee, Kenton; Toutanova, Kristina (2018). "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding". arXiv:1810.04805 [cs.CL].
  139. ↑ Sample, Ian (2018-04-23). "Scientists plan huge European AI hub to compete with US". The Guardian (US ed.). Archived from the original on 2018-04-24. Retrieved 2018-04-23.
  140. ↑ Pierson, David (2018). "Should people know they're talking to an algorithm? After a controversial debut, Google now says yes". Los Angeles Times. Archived from the original on 2018-05-17. Retrieved 2018-05-17.
  141. ↑ Sample, Ian (2019). "AI becomes grandmaster in 'fiendishly complex' StarCraft II". The Guardian. Archived from the original on 2020-12-29. Retrieved 2021-07-30.
  142. ↑ Sterling, Bruce (2020-02-13). "Web Semantics: Microsoft Project Turing introduces Turing Natural Language Generation (T-NLG)". Wired. ISSN 1059-1028. Retrieved 2020-07-31.
  143. ↑ Sample, Ian (2018-12-02). "Google's DeepMind predicts 3D shapes of proteins". The Guardian. Retrieved 2019-07-19.
  144. ↑ Brown, Tom B.; Mann, Benjamin; Ryder, Nick; Subbiah, Melanie; Kaplan, Jared; Dhariwal, Prafulla (2020-07-22). "Language Models are Few-Shot Learners". arXiv:2005.14165 [cs.CL].
  145. ↑ Thompson, Derek (2022-12-08). "Breakthroughs of the Year". آتلانتیک (مجله). Retrieved 2022-12-18.
  146. ↑ Scharth, Marcel (2022-12-05). "The ChatGPT chatbot is blowing people away with its writing skills. An expert explains why it's so impressive". The Conversation. Retrieved 2022-12-30.
  147. ↑ Rachini, Mouhamad (2022-12-15). "ChatGPT a 'landmark event' for AI, but what does it mean for the future of human labor and disinformation?". CBC. Retrieved 2022-12-18.
  148. ↑ Vincent, James (2022-12-05). "AI-generated answers temporarily banned on coding Q&A site Stack Overflow". ورج (وبگاه). Retrieved 2022-12-05.
  149. ↑ Cowen, Tyler (2022-12-06). "ChatGPT Could Make Democracy Even More Messy". Bloomberg News. Retrieved 2022-12-06.
  150. ↑ "The Guardian view on ChatGPT: an eerily good human impersonator". The Guardian. 2022-12-08. Retrieved 2022-12-18.
  151. ↑ "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models". arxiv.org. Retrieved 2026-06-10.
  152. ↑ "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models". Arxiv. Retrieved 2026-06-12.
  153. ↑ Milmo, Dan (2023-12-02). "ChatGPT reaches 100 million users two months after launch". The Guardian. Retrieved 2023-02-03.
  154. ↑ Vincent, James (2023-01-16). "AI art tools Stable Diffusion and Midjourney targeted with copyright lawsuit". The Verge.
  155. ↑ Korn, Jennifer (2023-01-17). "Getty Images suing the makers of popular AI art tool for allegedly stealing photos". CNN. Retrieved 2023-01-22.
  156. ↑ "Getty Images Statement". newsroom.gettyimages.com. CNN. 2023-01-17. Retrieved 2023-01-24.
  157. ↑ Belanger, Ashley (2023-02-06). "Getty sues Stability AI for copying 12M photos and imitating famous watermark". ارز تکنیکا.
  158. ↑ Belfield, Haydn (2023-03-25). "If your AI model is going to sell, it has to be safe". Vox. Retrieved 2023-03-30.
  159. ↑ "SAT: Understanding Scores" (PDF). کالج برد. 2022. Retrieved 2023-03-21.
  160. ↑ OpenAI (2023). "GPT-4 Technical Report". arXiv:2303.08774 [cs.CL].
  161. ↑ "Prepare for truly useful large language models". Nature Biomedical Engineering. 7 (2): 85–86. 2023-03-07. doi:10.1038/s41551-023-01012-6. PMID 36882584. S2CID 257403466.
  162. ↑ Elias, Jennifer (2023-01-31). "Google is asking employees to test potential ChatGPT competitors, including a chatbot called 'Apprentice Bard'". سی‌ان‌بی‌سی. Retrieved 2023-02-02.
  163. ↑ Elias, Jennifer (2023-02-15). "Google asks employees to rewrite Bard's bad responses, says the A.I. 'learns best by example'". سی‌ان‌بی‌سی. Retrieved 2023-02-16.
  164. ↑ Ortiz, Sabrina (2023-03-29). "Musk, Wozniak, and other tech leaders sign petition to halt further AI developments". ZD Net. Retrieved 2023-09-13.
  165. ↑ "Pause Giant AI Experiments: An Open Letter". Future of Life Institute. Retrieved 2023-09-13.
  166. ↑ Lappalainen, Yrjo; Narayanan, Nikesh (2023-06-14). "Aisha: A Custom AI Library Chatbot Using the ChatGPT API". Journal of Web Librarianship. 17 (3): 37–58. doi:10.1080/19322909.2023.2221477. ISSN 1932-2909. S2CID 259470901.
  167. ↑ "Statement on AI Risk AI experts and public figures express their concern about AI risk". Center for AI Safety. Retrieved 2023-09-14.
  168. ↑ Edwards, Benj (2023-05-30). "OpenAI execs warn of "risk of extinction" from artificial intelligence in new open letter". ارز تکنیکا. Retrieved 2023-09-14.
  169. ↑ Queen, Jack (2023-07-10). "Sarah Silverman sues Meta, OpenAI for copyright infringement". رویترز. Retrieved 2023-09-14.
  170. ↑ Bogle, Ariel (2023-08-24). "New York Times, CNN and Australia's ABC block OpenAI's GPTBot web crawler from accessing content". The Guardian. Retrieved 2023-09-14.
  171. 1 2 Johnson, Ted (2023-09-13). "Elon Musk Says "Something Good Will Come of This" After Senate's AI Forum, Chuck Schumer Signals AI Legislation Coming "In The General Category of Months" — Update". Deadline. Retrieved 2023-09-13.
  172. 1 2 Kang, Cecelia (2023-09-13). ""In Show of Force, Silicon Valley Titans Pledge 'Getting This Right' With A.I."". نیویورک تایمز. Retrieved 2023-09-13.
  173. ↑ Read Out: Heinrich Convenes First Bipartisan Senate AI Insight Forum, 2023-09-13, retrieved 2023-09-13
  174. 1 2 Feiner, Lauren (2023-09-13). "Elon Musk, Mark Zuckerberg, Bill Gates and other tech leaders in closed Senate session about AI". سی‌ان‌بی‌سی. Retrieved 2023-09-13.
  175. ↑ Morrison, Sara (2023-10-31). "President Biden's new plan to regulate AI. Now comes the hard part: Congress". Vox News. Retrieved 2023-11-03.
  176. ↑ Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence, 2023-10-30, retrieved 2023-11-03
  177. ↑ Milmo, Dan (2023-11-03). "Hope or Horror? The great AI debate dividing its pioneers". هفته‌نامه گاردین. pp. 10–12.
  178. ↑ "The Bletchley Declaration by Countries Attending the AI Safety Summit, 1-2 November 2023". GOV.UK. Retrieved 2023-11-02.
  179. ↑ "Countries agree to safe and responsible development of frontier AI in landmark Bletchley Declaration". GOV.UK (Press release). Retrieved 2023-11-01.
  180. ↑ "AlphaFold 3 predicts the structure and interactions of all of life's molecules". Google Blog. 2024-05-08. Retrieved 2026-03-19.
  181. ↑ "AI achieves silver-medal standard solving International Mathematical Olympiad problems | SCIAM". deepmind.google. Retrieved 2026-05-28.
  182. ↑ "Olympiad-level formal mathematical reasoning with reinforcement learning | SCIAM". nature.com. Retrieved 2026-05-28.
  183. ↑ "OpenAI's new "reasoning" AI models are here: o1-preview and o1-mini". arstechnica.com. Retrieved 2026-06-12.
  184. ↑ Dillet, Romain (2025-02-06). "Mistral releases its AI assistant on iOS and Android". تک‌کرانچ. Retrieved 2025-02-11.
  185. ↑ Maccioni, Federico; Saini, Manya; Saba, Yousef (2025-05-15). "UAE to build biggest AI campus outside US in Trump deal, bypassing past China worries". رویترز. Retrieved 2025-06-05.
  186. ↑ "Amazon prepares to test humanoid robots for deliveries, The Information reports". رویترز. 2025-06-05. Retrieved 2025-06-05.
  187. ↑ "Paris hosts AI summit, with spotlight on innovation, regulation, creativity". رادیو بین‌المللی فرانسه. 2025-02-06. Retrieved 2025-02-11.
  188. ↑ Dillet, Romain (2025-02-11). "As US and UK refuse to sign the Paris AI Action Summit statement, other countries commit to developing 'open, inclusive, ethical' AI". تک‌کرانچ. Retrieved 2025-02-11.
  189. ↑ Milmo, Dan (2025-02-11). "US and UK refuse to sign Paris summit declaration on 'inclusive' AI". The Guardian. Retrieved 2025-02-11.
  190. ↑ "Pope Leo XIV urges Catholic technologists to spread the Gospel with AI | USCCB". usccb.org. Retrieved 2025-11-09.
  191. ↑ "Message of the Holy Father to participants in the Second Annual Conference on Artificial Intelligence, Ethics, and Corporate Governance [Rome, 19–20 June 2025] (17 June 2025)". vatican.va. Retrieved 2025-11-09.
  192. ↑ "Evaluating and mitigating the growing risk of LLM-discovered 0-days | Anthropic". red.anthropic.com. Retrieved 2026-05-11.
  193. ↑ "Watch: Fields Medalist Terence Tao on Artificial Intelligence and Why We Do Math". simonsfoundation.org. Retrieved 2026-08-02.
  194. ↑ ریاضیات و هوش مصنوعی
  195. ↑ "An amateur just solved a 60-year-old math problem—by asking AI | SCIAM". scientificamerican.com. Retrieved 2026-05-11.
  196. ↑ "Pope Leo presents 'Magnifica humanitas' calling for disarmament of AI | SCIAM". vaticannews.va. Retrieved 2026-06-10.
  197. ↑ "Mathematicians sign declaration to rein in AI use | BBC". scientificamerican.com. Retrieved 2026-05-28.
  198. ↑ "AI needs a 'brake pedal', Anthropic co-founder tells BBC Newsnight | SCIAM". BBC News. Retrieved 2026-06-16.
  199. ↑ "Fully Autonomous Drones Have Killed Human Soldiers | SCIAM". newscientist.com. Retrieved 2026-06-10.
  200. ↑ "AI scores a 'C–' on its hardest math test yet | SCIAM". scientificamerican.com. Retrieved 2026-06-10.
  201. ↑ "Anthropic suspends new AI tools over US government security concerns | BBC". BBC News. Retrieved 2026-06-16.
  202. ↑ "State Attorneys General Are Investigating OpenAI". نیویورک تایمز. Retrieved 2026-06-16.
  203. ↑ "Anthropic Google DeepMind CEOs call for U.S. -led AI coalition at G7". cnbc.com. Retrieved 2026-06-18.
  204. ↑ "The White House is asking OpenAI to slow roll the release of its new model over safety concerns". techcrunch.com. Retrieved 2026-06-18.
  205. ↑ "A global workspace in language models". anthropic.com. Retrieved 2026-07-14.
  206. ↑ "ChatGPT just proved another 50-year-old math conjecture". scientificamerican.com. Retrieved 2026-06-18.
  207. ↑ "DeepMind CEO calls for an independent standards body to regulate frontier AI". techcrunch.com. Retrieved 2026-07-14.
  208. ↑ "New York becomes first U.S. state to impose AI data center ban". techcrunch.com. Retrieved 2026-07-14.
  209. ↑ "OpenAI's new flagship model deletes files on its own, people keep warning". techcrunch.com. Retrieved 2026-07-14.
  210. ↑ "OpenAI says its AI went rogue and launched 'unprecedented' cyber-attack". BBC News. Retrieved 2026-07-22.
  211. 1 2 "AI trained on bacterial genomes produces never-before-seen proteins". arstechnica.com.
  212. ↑ "Large genome model: Open source AI trained on trillions of bases". arstechnica.com.
  213. ↑ "Lords call for AI 'kill switch' powers in UK". arstechnica.com.

منابع

برای مطالعهٔ بیشتر

پیوند به بیرون

  • «The history of artificial intelligence: Complete AI timeline». Enterprise AI. TechTarget. ۲۰۲۳-۰۸-۱۶.{{cite web}}: نگهداری یادکرد:تاریخ به‌طور خودکار ترجمه‌شده (رده)
  • «Brief History (timeline)». AI Topics. انجمن پیشبرد هوش مصنوعی.
This page is issued from ویکی‌پدیا. The text is available under Creative Commons Attribution-Share Alike 4.0 unless otherwise noted. Additional terms may apply for the media files.