الکتروهایو

هوش مصنوعی / الکترونیک / برنامه‌نویسی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مختصری از تاریخچه هوش مصنوعی به همراه تاریخ‌ها و نام‌ افراد کلیدی

مختصری از تاریخچه هوش مصنوعی به همراه تاریخ‌ها و نام‌ افراد کلیدی - الکتروهایو
در این مقاله می‌خوانید:

زمان تخمینی مطالعه: 4 دقیقه

ایده ماشینی که بتواند فکر کند به تاریخی دور و به یونان باستان بر می‌گردد. اما از زمان ظهور محاسبات الکترونیکی (و نسبت به برخی از موضوعات مورد بحث در این مقاله) رویدادها و نقاط عطف مهمی در این سلسله تکامل رخ داده است که نمونه‌های آن به عنوان تاریخچه هوش مصنوعی شامل موارد زیر است:

  • سال 1950: آلن تورینگ مقاله ماشین‌های محاسباتی و هوش را منتشر کرد. در این مقاله، تورینگ که به دلیل شکستن کد ENIGMA نازی‌ها در طول جنگ جهانی دوم مشهور شده بود پیشنهاد می‌کند به این سوال پاسخ داده شود که آیا ماشین‌ها می‌توانند فکر کنند یا خیر؟ بر همین اساس تست تورینگ را برای تعیین اینکه آیا کامپیوتر می‌تواند هوش برابر (یا نتایج همان هوش) را با یک انسان نشان دهد یا خیر را ارائه داد. ارزش آزمون تورینگ از زمان مطرح شدنش مورد بحث بوده است.
  • سال 1956: جان مک کارتی در اولین کنفرانس هوش مصنوعی در کالج دارتموث، اصطلاح “هوش مصنوعی” را ابداع کرد. (مک کارتی مخترع زبان Lisp ) در اواخر همان سال، آلن نیوول، جی سی شاو و هربرت سایمون، Logic Theorist را به عنوان اولین برنامه نرم افزاری هوش مصنوعی در حال اجرا را ایجاد کردند.
  • سال 1967: فرانک روزنبلات Mark 1 Perceptron را ساخت، اولین کامپیوتر مبتنی بر یک شبکه عصبی که از طریق آزمون و خطا “یاد می‌گرفت”. فقط یک سال بعد، ماروین مینسکی و سیمور پیپرت کتابی با عنوان پرسپترون‌ها منتشر کردند که هم به کار برجسته در مورد شبکه‌های عصبی تبدیل شد.
  • دهه 1980: شبکه‌های عصبی که از یک الگوریتم پس انتشار برای آموزش خود استفاده می‌کنند، به طور گسترده در کاربردهای هوش مصنوعی مورد استفاده قرار گرفتند.
  • سال 1997: دیپ بلو از IBM در یک مسابقه شطرنج قهرمان شطرنج جهان، گری کاسپاروف را شکست داد.
  • سال 2011: سیستم IBM Watson قهرمانان کن جنینگز و برد راتر را دربرنامه تلویزیونی !Jeopardy شکست داد.
  • سال 2015: ابرکامپیوتر Minwa Baidu از نوع خاصی از شبکه عصبی عمیق به نام شبکه عصبی کانولوشن برای شناسایی و دسته‌بندی تصاویر با دقت بالاتری نسبت به انسان معمولی استفاده می‌کند.
  • سال 2016: برنامه AlphaGo DeepMind که توسط یک شبکه عصبی عمیق پشتیبانی می‌شود، لی سودول، بازیکن قهرمان جهان Go را در یک مسابقه پنج بازی شکست داد. این پیروزی با توجه به تعداد زیادی حرکات ممکن در طول بازی (بیش از 14.5 تریلیون حالت ممکن تنها پس از چهار حرکت اولیه بازی!) قابل توجه است. بعداً، گوگل DeepMind را به مبلغ 400 میلیون دلار خریداری کرد.
  • سال 2023: افزایش مدل‌های زبان بزرگ یا LLM ها مانند ChatGPT، تغییری عظیم در عملکرد هوش مصنوعی و پتانسیل آن برای افزایش ارزش سازمانی ایجاد کرد. با این شیوه‌های جدید هوش مصنوعی مولد، مدل‌های یادگیری عمیق را می‌توان بر روی مقادیر وسیعی از داده‌های خام و بدون برچسب از قبل آموزش داد.

در این مقاله به طور مختصر نگاهی به تاریخچه هوش مصنوعی انداختیم و با افراد کلیدی و تاریخ‌های مهم آشنا شدیم. باید توجه کرد که رشد و توسعه این علم مدیون افراد بسیاری است که شاید نامی از آنها در این مطالب نیامده باشد. هوش مصنوعی با سرعتی باور نکردنی در حال شکستن تمام مرزهای بشری است.

لوگو الکتروهایو

الکتروهایو در خدمت مخاطبان عزیز می‌باشد. ما در تیم الکتروهایو در تلاش برای تهیه مقالات و مطالب به روز هستیم. لطفا برای مطالب و مقالات بیشتر با ما همراه باشید.

مطالب مرتبط:

داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی و تفسیر آن در بسیاری از زمینه‌ها از جمله آمار، علوم کامپیوتر، روانشناسی و بازاریابی ضروری است. این مقاله ویژگی‌ها، کاربردها و تفاوت‌های داده‌های اسمی

ادامه مطلب »
حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. حاشیه‌نویسی‌ها برچسب‌هایی هستند که داده‌ها را شناسایی و طبقه‌بندی می‌کنند یا قطعات مختلف اطلاعات را با یکدیگر مرتبط می‌کنند. الگوریتم‌های هوش مصنوعی از آنها به

ادامه مطلب »
هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و متنوع بودند. برخی از آنها کاملاً عشایری بودند و مرتباً موقعیت خود را تغییر می‌دادند. برخی از آنها فواصل بسیار زیادی را مهاجرت کردند، در

ادامه مطلب »
با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده در اطراف اشیاء شناسایی شده، مکان یک شی را در یک تصویر شناسایی و مکان‌یابی می‌کند. اهمیت تشخیص اشیاء را نمی‌توان به اندازه کافی بیان

ادامه مطلب »
با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی - سایت الکتروهایو

با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی

یادگیری ماشین (Machine Learning) و علم داده (Data Science) موضوعاتی هستند که در تمامی بخش‌های فناوری اطلاعات در مورد آن بحث و گفتگو وجود دارد. امروزه همه چیز در حال خودکار شدن است، و برنامه‌های کاربردی نیز به سرعت در

ادامه مطلب »
داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی …

حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. …

هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و …

با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده …

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی - سایت الکتروهایو

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی

تصویربرداری چند طیفی تکنیکی است که نور را در طیف وسیعی از باندهای طیفی، فراتر …