第一个带有电路的中性网络由沃伦·麦卡洛克 (Warren McCulloch) 和沃尔特·皮茨 (Walter Pitts) 于 1943 年开发。该网络的目标是解决约翰·冯·诺依曼 (John von Neumann) 等人提出的一个问题：如何让计算机相互通信？
这个早期模型表明两台计算机无需任何人工干预即可进行通信。这一事件意义重大，因为它为机器学习的发展铺平了道路。
1950 年：图灵测试
图灵测试是数学家艾伦·图灵提出的人工智能测试，目的是确定机器是否可以像人类一样行动，或者人类是否无法区分人类和机器给出的答案。
测试的目的是确定机器 海外数据 是否能够智能思考并表现出某种形式的情感能力。
1952 年：计算机跳棋
亚瑟·塞缪尔 (Arthur Samuel) 是机器学习领域的先驱，他因创建了第一个可以下冠军级跳棋的计算机程序而受到赞誉。他的程序于 1952 年开发，使用一种称为 alpha-beta 剪枝的技术来衡量获胜的机会。这种方法至今仍在游戏中广泛使用。此外，塞缪尔还开发了极小极大算法，这是一种最小化游戏中损失的技术。另请参阅：游戏中的人工智能。
1957 年：弗兰克·罗森布拉特（Frank Rosenblatt）——感知器
弗兰克·罗森布拉特是一位心理学家，他因在机器学习方面的工作而闻名。1957 年，他开发了感知器，这是一种机器学习算法。感知器是最早使用人工神经网络的算法之一，广泛应用于机器学习。
它旨在提高计算机预测的准确性。感知器的目标是通过调整参数从数据中学习，直到达到最佳解决方案。感知器的目的是让计算机更容易从数据中学习，并改进以前成功率有限的方法。
提示：
人工智能需要训练数据才能学会如何独立完成任务。为了训练机器学习算法，您需要大量带标签的数据，即已标注了其所包含的不同类型对象或事件的信息的数据。不幸的是，这些数据通常很难获得。这正是 clickworker 数据集的用武之地！数据集是精心挑选的示例的集合，专门用于机器学习研究或应用。
机器学习数据集
1967 年：最近邻算法
最近邻算法是一种自动识别大型数据集内模式的方法。该算法的目标是找出两个项目之间的相似性，并确定哪一个更接近另一个项目中的模式。这可以用于诸如查找不同数据之间的关系或根据过去事件预测未来事件等。
1967 年，Cover 和 Hart 发表了一篇关于“最近邻模式分类”的文章。这是机器学习中使用的一种归纳逻辑方法，用于将输入对象归类为两个类别之一。该模式将与其最近邻分类在同一类别中的相同项目进行分类。此方法用于对具有许多属性的对象进行分类，其中许多属性是分类或数字的，并且可能具有重叠的值。
1974 年：反向传播
反向传播最初旨在帮助神经网络学习如何识别模式。然而，它也被用于机器学习的其他领域，例如提高性能和从数据集推广到新 如果这种趋势继续下去 实例。反向传播的目标是通过调整模型的权重来提高模型的准确性，以便更准确地预测未来的输出。
保罗·沃博斯 (Paul Werbos) 在 1974 年的论文中为这种机器学习方法奠定了基础，该论文收录在《反向传播的根源》一书中。
1979 年：斯坦福购物车
斯坦福推车是一种可在空间中独立移动的遥控机器人，最早于 20 世纪 60 年代开发，并于 1979 年达到发展的重要里程碑。斯坦福推车的目的是为了避开障碍物并到达特定目的地：1979 年，“推车”首次在无人干预的情况下，在 5 小时内成功穿越一个摆满椅子的房间。
机器学习历史上的“人工智能寒冬”
在人工智能寒冬期间，资金减少，研究人员和媒体的情绪也随之下降。（来源：HBO） 多年来，人工智能经历了许多起起落落。人工智能的低谷被称为人工智能寒冬，发生在70 年代末到 90 年代。在此期间，研究资金枯竭，许多项目因缺乏成功而被关闭。它被描述为一系列炒作周期，导致开发人员、研究人员、用户和媒体感到失望和幻灭。
历史上机器学习的兴起
21 世纪机器学习的兴起是摩尔定律及其指数增长的结果。当计算能力变得越来越便宜时，使用更多数据来训练人工智能算法成为可能，从而提高了这些算法的准确性和效率。
1997 年：机器在国际象棋中击败人类
1997 年，IBM 超级计算机“深蓝”在一场比赛中击败了国际象棋大师加里·卡斯帕罗夫。这是机器首次在国际象棋比赛中击败专家选手，引起了国际象棋界的极大关注。这是一个里程碑事件，因为它表明人工智能系统可以在复杂任务中超越人类的理解力。
这标志着机器学习的一个神奇转折点，因为世界现在知道人类已经创造了自己的对手——一种能够自行学习和进化的人工智能。
2002 年：软件库火炬
Torch 是一个用于机器学习和数据科学的软件库。Torch 由Geoffrey Hinton、Pedro Domingos 和 Andrew Ng 创建，旨在开发第一个大 甘肃手机号码一览表 型免费机器学习平台。2002 年，Torch 的创始人创建它作为其他库的替代品，因为他们认为其他库无法满足他们的特定需求。截至 2018 年，它在 Github 上的下载量已超过 100 万次，是当今最受欢迎的机器学习库之一。
请记住：虽然不再处于积极开发中，但是可以使用基于 Torch 库的 PyTorch。