Empty d (1949) دونالد هب در کتاب خود با نام سازمان رفتار: یک نظریه عصب روانشناختی، این نظریه را پیشنهاد میکند که مسیرهای عصبی از تجربیات ایجاد میشوند و ارتباط بین نورونها هر چه بیشتر مورد استفاده قرار گیرد قویتر میشود. یادگیری Hebbian همچنان یک مدل مهم در هوش مصنوعی است. https://www.iraniancyber.com/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A7%D9%86%D8%AC%D8%A7%D9%85-%D8%AA%DA%A9%D8%A7%D9%84%DB%8C%D9%81/ (1950) آلن تورینگ مقاله «ماشینهای محاسباتی و هوش» هوش مصنوعی حل تکالیف را منتشر میکند و چیزی را پیشنهاد میکند که اکنون به عنوان آزمون تورینگ شناخته میشود، روشی برای تعیین هوشمند بودن یک ماشین. (1950) ماروین مینسکی و دین ادموندز، دانشجویان کارشناسی هاروارد، SNARC، اولین کامپیوتر شبکه عصبی را ساختند. (1956) عبارت "هوش مصنوعی" در پروژه تحقیقاتی تابستانی دارتموث در مورد هوش مصنوعی ابداع شد. این کنفرانس به رهبری جان مک کارتی به طور گسترده ای به عنوان زادگاه هوش هوش مصنوعی حل تکالیف مصنوعی در نظر گرفته می شود. (1958) جان مک کارتی زبان برنامه نویسی هوش مصنوعی Lisp را توسعه می دهد و "برنامه هایی با عقل سلیم" را منتشر می کند، مقاله ای که توصیه گیر فرضی را پیشنهاد می کند، یک سیستم هوش مصنوعی کامل با توانایی یادگیری از تجربه به اندازه انسان ها. (1959) آرتور ساموئل اصطلاح "یادگیری ماشینی" را د هوش مصنوعی حل تکالیف ر زمانی که در IBM کار می کرد ابداع کرد. (1964) دانیل بابرو، STUDENT، یک برنامه پردازش زبان طبیعی اولیه را که برای حل مسائل کلمات جبر طراحی شده بود، به عنوان کاندیدای دکترا در MIT توسعه داد. (1966) پروفسور MIT جوزف وایزنبام Eliza را ایجاد می کند هوش مصنوعی حل تکالیف ، یکی از اولین ربات های چت که با موفقیت الگوهای مکالمه کاربران را تقلید می کند و این توهم را ایجاد می کند که بیشتر از آنچه که می فهمد. این اثر الایزا را معرفی کرد، پدیدهای رایج که در آن افراد به اشتباه فرآیندهای فکری و احساسات آموزش برنامه نویسی کودکان و نوجوانان انسانی را به سیستمهای هوش مصنوعی نسبت میدهند. (1969) اولین سیستم های خبره موفق، DENDRAL و MYCIN، در آزمایشگاه هوش مصنوعی در دانشگاه استنفورد ایجاد شدند. (1972) زبان برنامه نویسی منطقی PROLOG ایجاد شد. (1973) گزارش لایتهیل، که ناامیدیها در تحقیقات هوش هوش مصنوعی حل تکالیف مصنوعی را شرح میدهد، توسط دولت بریتانیا منتشر شد و منجر به کاهش شدید بودجه برای پروژههای هوش مصنوعی شد. https://www.iraniancyber.com/ (1974-1980) ناامیدی از پیشرفت توسعه هوش مصنوعی منجر به کاهش عمده DARPA در کمک هزینه تحصیلی می شود. همراه با گزارش قبلی ALPAC و گزارش Lighthill سال قبل، بودجه هوش مصنوعی خشک می شود و تحقیقات متوقف می شود. این دوره به "اولین زمستان هوش مصنوعی" معروف است. (1980) Digital Equipment Corporations R1 (همچنین به عنوان XCON شناخته می شود)، اولین سیستم متخصص تجاری موفق را توسعه داد. R1 که برای پیکربندی سفارشات برای سیستمهای رایانهای جدید طراحی شده است، رونق سرمایهگذاری در سیستمهای خبره را آغاز میکند که برای بیشتر دهه دوام هوش مصنوعی حل تکالیف خواهد داشت و عملاً به اولین زمستان هوش مصنوعی پایان میدهد. (1985) شرکتها سالانه بیش از یک میلیارد دلار برای سیستمهای خبره هزینه میکنند و یک صنعت کامل به نام بازار ماشینهای لیسپ برای حمایت از آنها به وجود میآید. شرکت هایی مانند Symbolics و Lisp Machines Inc. کامپیوترهای تخصصی را برای اجرا بر روی زبان برنامه نویسی هوش مصنوعی Lisp می سازند. (1987-1993) با بهبود فناوری محاسبات، جایگزینهای هوش مصنوعی حل تکالیف ارزانتری پدیدار شد و بازار ماشینهای Lisp در سال 1987 سقوط کرد و "زمستان دوم هوش مصنوعی" را آغاز کرد. در این دوره، سیستم های خبره برای نگهداری و به روز رسانی بسیار گران بودند و در نهایت از بین رفتند. (1997) دیپ بلو IBM، قهرمان شطرنج جهان، گری کاسپاروف را شکست داد. (2006) Fei-Fei Li کار بر روی پایگاه داده تصویری ImageNet را که در سال 2009 معرفی شد شروع کرد. (2008) گوگل پیشرفت هایی در تشخیص گفتار ایجاد می کند و این ویژگی را در برنامه آیفون خود معرفی می کند. (2011) واتسون IBM به راحتی رقابت را در Jeopardy شکست می دهد. (2011) اپل سیری، یک دستیار مجازی مجهز به هوش مصنوعی را از طریق سیستم عامل iOS خود منتشر کرد. (2012) Andrew Ng، بنیانگذار پروژه Google Brain Deep Learning، با استفاده از الگوریتم های یادگیری عمیق 10 میلیون ویدیوی یوتیوب را به عنوان یک مجموعه آموزشی به شبکه عصبی تغذیه می کند. شبکه عصبی یاد گرفت که گربه را بدون اینکه به او گفته شود گربه چیست، بشناسد، این امر آغازگر هوش مصنوعی حل تکالیف دوران پیشرفت شبکههای عصبی و بودجه یادگیری عمیق است. (2014) الکسای آمازون، یک دستگاه هوشمند خانه مجازی، منتشر شد. (2016) AlphaGo از Google DeepMind، قهرمان جهان Go Lee Sedol را شکست داد. پیچیدگی بازی باستانی چینی به عنوان یک مانع بزرگ برای رفع در هوش مصنوعی تلقی می شد. (2018) گوگل موتور پردازش زبان طبیعی BERT را منتشر می کند که موانع ترجمه و درک توسط برنامه های ML را کاهش می دهد. https://blockly.games/ (2020) بایدو الگوریتم LinearFold AI خود را برای تیمهای علمی و پزشکی که برای توسعه واکسن در مراحل اولیه همهگیری SARS-CoV-2 کار میکنند، منتشر میکند. این ا Artificial intelligence to solve homework لگوریتم قادر است توالی RNA ویروس را تنها در 27 ثانیه پیش بینی کند، یعنی 120 برابر سریعتر از escription