1.       20世纪30年代1.1.         库尔特·哥德尔（KurtGödel）1.1.1.           用完备性定理（completeness theorem）和不完备性定理（incompleteness theorems）证明了逻辑的全部能力及其局限性1.1.2.           复杂算法的基本逻辑目录就被创建出来了，而随之诞生的是计算机语言编写的指令1.1.2.1.            计算机要用这些指令才能执行交给它们的任务2.       1936年2.1.         艾伦·图灵2.1.1.           Alan Turing2.1.2.           只要是通过算法能解决的问题就难不倒计算机2.1.3.           他的理论模型后来被称为“图灵机器”（Turing machine）2.1.3.1.            这在某种意义上有些令人困惑，因为图灵机器不是一个物理对象，而是数学对象3.       1941年3.1.         克兰德·楚泽3.1.1.           Konrad Zuse3.1.2.           德国工程师3.1.3.           创造了世界上第一台可编程的全自动电子计算机Z33.1.3.1.            使用1和0的二进制代码来计算飞机中的振荡3.1.3.2.            这个非常具有前瞻性的计算机毁于1943年的空袭4.       1946年4.1.         埃尼阿克（ENIAC）4.1.1.           世界上第二台现代电子计算机4.1.2.           这是宾夕法尼亚大学研究人员自1942年以来的研究成果，主要用于计算炮弹设计表5.       1950年5.1.         ENIAC的升级版本已经在计算弹道飞行路径，并且结果可靠5.2.         艾伦·图灵5.2.1.           Alan Turing5.2.2.           在他的传奇文章《计算机机械与智能》（Computing Machinery and Intelligence）中提出了“机器能思考吗？”这个问题5.2.2.1.            让一台计算机通过电子设备与人交谈，如果设备另一端的人无法分辨与他们交谈的是人还是机器，那么这台计算机就应该被认为是智能的5.3.         在1950年左右出现“机器是否能思考”这一问题绝非偶然5.3.1.           那时，科学技术已经以两种不同的方式取得了长足进步，使得人类可以开始想象能参加这个问答游戏的机器的存在5.3.2.           构建智能机器至少需要两个元素：一套强大的逻辑规则，以及可以基于这些规则处理信息并从中得出逻辑结论的物理设备6.       1956年夏天6.1.         达特茅斯人工智能夏季研讨会6.1.1.           DartmouthSummer Research Project on Artificial

Intelligence

6.1.2.           与会者一致认为，思维是有可能在人脑以外产生的6.1.2.1.            这种信念基于法国哲学家朱利安·奥弗雷·德·拉·梅特里（Julien Offray de La Mettrie）200年前的一个观点：人类是机器6.1.3.           名为“逻辑理论家”（Logic Theorist）的计算机程序6.1.3.1.            艾伦·纽威尔（AllenNewell）、赫伯特·A·西蒙（Herbert A.Simon）和克利夫·肖（Cliff Shaw）6.1.3.2.            该程序有意识地模仿了人类解决问题的策略，而且常常能比人类更优雅地证明数学理论6.1.3.3.            “逻辑理论家”是第一个不仅具有处理数字的能力，而且具有处理符号和标志的能力的计算机程序6.1.3.3.1.             这为计算机理解人类语言和识别上下文奠定了重要基础6.1.3.3.2.             这个重大突破却几乎没有被在场的研究人员注意到，甚至这个程序的开发者也没有认识到它在未来的发展前景6.1.4.           约翰·麦卡锡6.1.4.1.            John McCarthy6.1.4.2.            一位年轻的逻辑学家及夏季研讨会的共同发起人6.1.4.3.            创造了“人工智能”这个概念6.1.4.4.            开发了LISP编程语言，为许多AI应用程序奠定了基础7.       1959年7.1.         亚瑟·塞缪尔7.1.1.           Arthur Samuel7.1.2.           一位电气工程师7.1.2.1.            通过教IBM大型机器与自己对抗并记录下在特定情况下某一步棋的胜率，从而获得了突破7.1.3.           为西洋跳棋编写了一个程序7.1.3.1.            这个程序可以和非常优秀的棋手抗衡7.1.3.2.            在这之前，西洋跳棋程序只包含游戏的基本规则，虽然经过反复改进与升级，还是完全无法对抗经验丰富的玩家7.1.4.           人类第一次教机器自主学习，并且诞生了“机器学习”的方法和概念7.1.4.1.            直到 1997年，人工智能才“学会”下国际象棋8.       1961年8.1.         Unimate机器人8.1.1.           在通用汽车装配线上工作8.2.         Shakey8.2.1.           第一个能够用照相机和传感器探索周围环境的部分自主机器人8.2.2.           在位于加利福尼亚州门罗公园的斯坦福研究所的实验室里移动9.       1966年9.1.         约瑟夫·韦森鲍姆9.1.1.           Joseph Weizenbaum9.1.2.           造出了第一个具有处理自然语言能力的聊天机器人原型——ELIZA10.  1970年10.1.     专家系统从案例数据等信息中得到了越来越智慧的转化10.2.     MYCIN系统10.2.1.      开始帮助医生诊断某些血液疾病并推荐治疗方法10.2.2.      “如果-那么关系”（if-then relationships）：如果一个人流鼻涕、嗓子疼和发烧，那么他得的就是病毒性流感而不是伤风感冒10.3.     基于MYCIN获得的经验，专家系统随之拓展到其他更复杂的领域，如肺部测试、内科医学、化学分子结构分析及地质岩石地层分析等，并被投入市场使用10.3.1.      专家系统也被用来为辅助呼叫中心配置计算机并协助那里的员工11.  1971年11.1.     第一辆自动驾驶汽车在斯坦福问世12.  1982年12.1.     Covox12.1.1.      世界上第一个商业语音识别系统上市12.1.2.      唯一技能是把口语转变为书面语12.2.     恩斯特·迪特·迪克曼斯12.2.1.      Ernst Dieter Dickmanns12.2.2.      慕尼黑的德国陆军大学，机器人专家12.2.3.      为一辆奔驰面包车配备了智能摄像机，以便它能够在测试场地中以差不多每小时 60英里的速度实现完全的自动驾驶13.  20世纪90年代初13.1.     Polly13.1.1.      麻省理工学院的一个可爱的机器人13.1.2.      会带领人们参观人工智能实验室，幽默地与人们互动，并模拟人类的感受14.  1993年14.1.     Netscape14.1.1.      世界上出现了第一个使每个人都可以访问互联网的浏览器14.1.2.      创造了一个蕴含着人们难以想象的丰富数据的空间14.1.2.1.        这些数据可以投喂给计算机进行处理14.1.2.1.1.         因为按照摩尔定律（Moore’sLaw），计算机芯片的计算速度每一到两年就可以翻一番，而芯片的存储成本却越来越低，所以计算机一直没有被新的数据量所淹没15.  1997年15.1.     IBM电脑深蓝15.1.1.      击败了国际象棋世界冠军加里·卡斯帕罗夫（Garry

Kasparov）

15.1.2.      从狭义的角度来说，深蓝根本不是一个人工智能系统15.1.2.1.        它完全不能从自己的错误中学习15.1.2.2.        只是一台速度极快的计算机，能够每秒评估2亿个棋位15.1.2.3.        该机器使用所谓的蛮力算法，即处理方法很粗暴，但结果似乎表现出它很聪明16.  2011年16.1.     人工智能在国际象棋大赛中战胜了人类棋手16.2.     IBM的沃森系统16.2.1.      在美国电视游戏节目Jeopardy！中对战近几年的国际象棋总冠军并获得了胜利16.2.2.      与深蓝不同，沃森是一个从数据中学习的系统16.2.2.1.        它的主要成就不是以闪电般的速度从百科全书或报纸文章中查找已存知识16.2.2.1.1.         这对于计算机来说已经不是什么新鲜事16.2.3.      语义分析，换句话说就是能够理解人类语言，并在适当的上下文中对单词和句子的意义进行分类17.  2016年17.1.     AlphaGo17.1.1.      来自谷歌的数据科学家帮助一个自适应系统战胜了世界上最优秀的围棋玩家17.1.1.1.        在这个亚洲棋盘游戏中，变化的可能性比宇宙中的原子还要多17.1.1.1.1.         即使是最快的超级计算机也不可能预先计算所有可能性，更不用说人类了17.1.1.2.        下围棋需要结合逻辑和直觉17.1.1.2.1.         棋手们无法解释为什么这么走会是一步好棋，而是他们的直觉让他们做出了决定17.1.1.2.1.1.          他们下意识地察觉到了曾经在历史棋局中见过的模式17.1.1.2.1.2.          直觉是他们经验知识的捷径17.1.1.2.1.3.          经验知识不是外显的，而是隐秘地存储在他们大脑里的突触中17.1.2.      计算机没有感觉，但它可以像塞缪尔的跳棋程序那样与自己进行数百万次的对战17.1.2.1.        以这种方式积累了经验知识，从而能识别模式和可能适合它们的策略17.1.2.2.        实际上是由模式识别、统计和随机数生成器巧妙结合产生的结果17.1.3.      AlphaGo的胜利清楚地表明：直觉和创造力（取决于怎么定义）不再仅仅是人类独善的领域18.  2017年1月18.1.     Libratus18.1.1.      扑克是一种集精明商人的所有素质于一身的游戏18.1.1.1.        战略思维，评估他人处境和行为的能力，以及适时冒险的欲望18.1.2.      卡内基梅隆大学的超级计算机Libratus在所有纸牌游戏，甚至是没有限制模式下的德克萨斯州扑克中都击败了世界上最好的玩家们18.1.2.1.        这台超级计算机的训练者仅仅是两名科学家18.1.2.2.        这一事件几乎没有在任何报纸登上头条，但其实它极其重要18.1.2.2.1.         如果一台机器能在扑克牌游戏中打败人类，那么它也能在日常商务谈判中打败人类19.  近20年来19.1.     勒布纳奖19.1.1.      Loebner Prize19.1.2.      世界上一直在举办以图灵测验为主题的世界锦标赛19.1.3.      只要一个人工智能系统能在25分钟的书面对话中使一半裁判相信它是人类，它的研究人员就能获得2.5万美元的银奖19.1.4.      至今无人获得该奖项，更别说奖金高达10万美金的金奖了19.1.4.1.        要获得金牌，参赛的人工智能系统不仅要通过书面对话测试，还要通过语音和视觉交流测试