现代人工智能与深度学习的注释历史

机器学习（ML）是关于信用分配的科学。它试图在观测中寻找模式，以解释和预测事件与行动的后果。这进而有助于改善未来的性能。Minsky 所谓的“基本信用分配问题”（1963）出现在所有科学中，包括物理学（为什么世界是现在这样？）和历史学（哪些人/思想/行动塑造了社会与文明？）。在此，我聚焦于机器学习本身的历史。现代人工智能（AI）由人工神经网络和深度学习主导，这两者在概念上比传统上被称为 AI 的领域（例如专家系统和逻辑编程）更接近古老的控制论领域。现代 AI 与 ML 的历史必须强调浅层 AI 教科书范围之外的突破。具体而言，它必须涵盖当今神经网络的基础数学，例如链式法则（1676）、最初的神经网络（约 1800 年）、第一个实用的 AI（1914 年）、AI 理论及其局限性（1931-34 年），以及第一批可工作的深度学习算法（1965 年-）。从 2025 年的视角，我提供了神经网络、机器学习、深度学习、人工智能、计算机科学以及一般数学历史上最重要事件的时间线，并肯定了奠定该领域基础的个人。文本包含大量指向相关概述站点的超链接。在延迟十年之后，它补充了我 2015 年获奖的深度学习综述，该综述提供了数百篇额外的参考文献。最后，我将把这些事物置于更广阔的历史背景中，时间跨度从大爆炸直到宇宙比现在古老许多倍之时。