计算
从图灵到人工智能
追寻运算如何发展为计算，继而催生机器、软件、网络与智能。
- 1936年
-
1945年
EDVAC报告传播存储程序体系结构
J. Presper Eckert · John Mauchly · John von Neumann · EDVAC团队
《EDVAC报告初稿》描述了在共同高速存储器中表示指令和数据的方式，其内容源于协作设计工作。
- 1948年
- 1948年
- 1943年
- 1950年
-
1956年
达特茅斯研讨会为人工智能这一研究领域命名
John McCarthy · Marvin Minsky · Claude Shannon · Nathaniel Rochester · 达特茅斯研讨会参与者
一个夏季研究项目召集研究者，围绕学习和智能的某些方面可以被精确描述并模拟这一主张展开工作。
- 1958年
-
1956年
Logic Theorist证明符号逻辑定理
Allen Newell · Herbert Simon · Cliff Shaw
Logic Theorist使用符号表达式和启发式方法，搜索《数学原理》中命题的证明。
-
1986年
反向传播使多层神经网络学习切实可行
David Rumelhart · Geoffrey Hinton · Ronald Williams
一篇影响广泛的论文展示了梯度反向传播如何在多层网络中学习有用的内部表示。
-
1995年
支持向量机推进统计学习
Corinna Cortes · Vladimir Vapnik
支持向量机在扩大类别间隔与惩罚训练误差之间取得平衡。核方法使非线性边界成为可能，无需显式构造变换后的每一个特征。
- 2006年
-
2009年
ImageNet提供大型带标签视觉基准
Fei-Fei Li · Jia Deng · ImageNet团队
ImageNet把数百万张带标签图像组织为大型层次结构，并把数据规模与公开识别挑战结合起来。
-
2012年
AlexNet改变大规模图像识别
Alex Krizhevsky · Ilya Sutskever · Geoffrey Hinton
一个在GPU上训练的深度卷积网络凭借线性整流单元、正则化和数据增强，以大幅优势赢得ImageNet挑战赛。
- 2014年
-
2014年
神经注意力学习翻译时应关注的位置
Dzmitry Bahdanau · Kyunghyun Cho · Yoshua Bengio
模型在生成每个目标词时学习源词上的软对齐，而不再把输入压缩为一个固定向量。
-
2017年
Transformer以注意力取代循环计算
Ashish Vaswani · Noam Shazeer · Niki Parmar · Google Brain研究团队
Transformer使用自注意力和前馈层并行建模序列关系，无需循环计算。
- 2020年
滚动、轻扫或拖动，浏览时间线