Informatik
Von Turing zur KI
Verfolgen Sie, wie Rechnen zur Datenverarbeitung und weiter zu Maschinen, Software, Netzen und Intelligenz wurde.
-
1936
Turing definiert Berechnung durch eine abstrakte Maschine
Alan Turing
Turing analysierte die Schritte eines menschlichen Rechners und definierte Maschinen, deren symbolweise Operationen effektive Verfahren mathematisch präzisierten.
-
1945
Der EDVAC-Bericht verbreitet eine speicherprogrammierte Architektur
J. Presper Eckert · John Mauchly · John von Neumann · EDVAC-Team
Der First Draft of a Report on the EDVAC beschrieb Anweisungen und Daten in einem gemeinsamen schnellen Speicher und beruhte auf gemeinschaftlicher Entwurfsarbeit.
-
1948
Manchester Baby führt ein gespeichertes Programm aus
Frederic Williams · Tom Kilburn · Geoff Tootill
Die experimentelle Manchester-Maschine führte erfolgreich ein im elektronischen Speicher abgelegtes Programm aus.
-
1948
Shannon begründet eine mathematische Theorie der Information
Claude Shannon
Shannon quantifizierte Information, Kanalkapazität und die Grenzen zuverlässiger Kommunikation in Gegenwart von Rauschen.
-
1943
McCulloch und Pitts modellieren neuronale Aktivität mit Logik
Warren McCulloch · Walter Pitts
Sie stellten vereinfachte Neuronen als logische Schwellwerteinheiten dar und zeigten, wie Netze logische Funktionen ausdrücken konnten.
-
1950
Turing fasst Maschinenintelligenz als operationale Frage neu
Alan Turing
Turing schlug das Imitationsspiel vor und erörterte lernende Maschinen, Suche, Einwände und die Aussichten digitaler Computer.
-
1956
Der Dartmouth-Workshop benennt Künstliche Intelligenz als Forschungsfeld
John McCarthy · Marvin Minsky · Claude Shannon · Nathaniel Rochester · Teilnehmer des Dartmouth-Workshops
Ein Sommerforschungsprojekt versammelte Forscher um die Annahme, Aspekte des Lernens und der Intelligenz ließen sich genau beschreiben und simulieren.
-
1958
Rosenblatt demonstriert ein trainierbares Perzeptron
Frank Rosenblatt · Cornell Aeronautical Laboratory
Das Perzeptron passte Verbindungsgewichte anhand beschrifteter Beispiele an, um einfache visuelle Muster zu klassifizieren.
-
1956
Logic Theorist beweist Sätze der symbolischen Logik
Allen Newell · Herbert Simon · Cliff Shaw
Logic Theorist suchte mit symbolischen Ausdrücken und Heuristiken nach Beweisen für Sätze aus der Principia Mathematica.
-
1986
Backpropagation macht das Lernen mehrschichtiger neuronaler Netze praktikabel
David Rumelhart · Geoffrey Hinton · Ronald Williams
Eine weithin einflussreiche Veröffentlichung zeigte, wie mehrschichtige Netze durch Rückpropagierung von Gradienten nützliche interne Repräsentationen erlernen können.
-
1995
Support Vector Machines bringen das statistische Lernen voran
Corinna Cortes · Vladimir Vapnik
Support Vector Machines wogen einen breiten Abstand zwischen den Klassen gegen Strafwerte für Trainingsfehler ab. Kernel ermöglichten nichtlineare Trennflächen, ohne jedes transformierte Merkmal ausdrücklich berechnen zu müssen.
-
2006
CUDA öffnet GPUs für universelle Parallelprogrammierung
NVIDIA-CUDA-Team
CUDA machte Grafikprozessoren über ein programmierbares Modell für Aufgaben jenseits der Bildberechnung zugänglich.
-
2009
ImageNet bietet einen großen beschrifteten Bildbenchmark
Fei-Fei Li · Jia Deng · ImageNet-Team
ImageNet ordnete Millionen beschrifteter Bilder in eine große Hierarchie ein und verband den Datenumfang mit einem öffentlichen Erkennungswettbewerb.
-
2012
AlexNet verändert die Bilderkennung im großen Maßstab
Alex Krizhevsky · Ilya Sutskever · Geoffrey Hinton
Ein tiefes, auf GPUs trainiertes Faltungsnetz gewann die ImageNet-Challenge mit großem Vorsprung und nutzte gleichgerichtete Einheiten, Regularisierung und Datenerweiterung.
-
2014
Sequenz-zu-Sequenz-Lernen bildet Eingaben variabler Länge auf Ausgaben ab
Ilya Sutskever · Oriol Vinyals · Quoc Le
Ein rekurrentes Encoder-Decoder-Netz lernte durchgängige Abbildungen zwischen Sequenzen für Aufgaben wie maschinelle Übersetzung.
-
2014
Neuronale Aufmerksamkeit lernt, worauf sie beim Übersetzen achten muss
Dzmitry Bahdanau · Kyunghyun Cho · Yoshua Bengio
Das Modell lernte beim Erzeugen jedes Zielworts eine weiche Zuordnung zu den Quellwörtern, statt die Eingabe in einen einzigen festen Vektor zu verdichten.
-
2017
Der Transformer ersetzt Rekurrenz durch Aufmerksamkeit
Ashish Vaswani · Noam Shazeer · Niki Parmar · Google-Brain-Forschungsteam
Der Transformer nutzte Selbstaufmerksamkeit und vorwärtsgerichtete Schichten, um Sequenzbeziehungen ohne rekurrente Berechnung parallel zu modellieren.
-
2020
Große Sprachmodelle zeigen breites Lernen aus wenigen Beispielen
OpenAI-GPT-3-Forschungsteam
Ein autoregressiver Transformer mit 175 Milliarden Parametern bewältigte anhand von Prompts und Beispielen viele Sprachaufgaben ohne aufgabenspezifische Gradientenaktualisierung.
Scrollen, wischen oder ziehen Sie, um sich durch die Zeit zu bewegen