251 nozīmīgākie notikumi AI attīstības vēsturē

izpēta to, kas mūs noveda pie AI bumba, un tika veikta sadarbībā ar Claude, Gemini un ChatGPT, t.i., labākajiem pašlaik pieejamajiem AI dziļajiem pētniekiem, kā arī HackerNoon cilvēka redaktoru ieguldījumiem kā daļu no programmas uzsākšanas , mūsu pieeja blogošanai caur AI boom. periodiski, bet publicē sākotnējos 251 nozīmīgākos notikumus, kurus mēs esam kurējuši. AI vēsture Timeline Hokejs.lv Atjaunināt AI attīstības grafiku 4. gadsimts p.m.ē.: Aristotelis izstrādāja formālu silogistisko loģiku un deduktīvā pamatojuma principus, nosakot pamata pamatu loģiskajam pamatojumam, kas kļuva būtisks aprēķinu loģikai un automatizētai teorēmai AI sistēmās. 1300: Ramon Llull's Logical Machines. radīja mehāniskās loģiskās ierīces, lai ģenerētu zināšanas, izmantojot kombinatoriskās metodes, kas bija pirmais sistemātisks mēģinājums mehānizēt loģisko pamatojumu un iedvesmot vēlākus darbus par aprēķinu loģiku. 1666: Leibniza Calculus Ratiocinator. ierosināja universālu domāšanas valodu un loģisko patiesību mehānisko aprēķinu, paredzot automatizētu domāšanu, kurā strīdi varētu tikt atrisināti ar aprēķiniem, tieši paredzot mūsdienu aprēķinu pieejas AI. 1834: Babbage's Analytical Engine. izstrādāja pirmo vispārēju mehānisko datoru ar atmiņu, apstrādes vienību un programmējamību, radot arhitektūras plānu mūsdienu datoriem, kas padarīja AI tehniski iespējamu. 1843. gada augusts: Ada Lovelace publicēja pirmo datora algoritmu un iecerēja, ka mašīnas var manipulēt ar simboliem, kas pārsniedz aprēķinus, paredzot, ka datori apstrādās mūziku, valodu un attēlus - paredzot mūsdienu AI iespējas vairāk nekā gadsimtu. 1936: Turinga aprēķināmības grāmata. „Par aprēķināmiem numuriem” ar Turinga mašīnas koncepciju izveidoja teorētiskos pamatus aprēķināšanai, pierādot, ka jebkuru aprēķināmo procesu var mehāniski pārveidot ar simbolu manipulāciju, padarot AI teorētiski iespējamu. 1940. gada 18. marts: Alana Tīringa pirmā bumba.Tīringa elektromehāniskā ierīce kļuva operatīva Bletchley Parkā, revolucionizējot Enigma koda pārrāvumu un liekot pamatu mūsdienu datoru zinātnei un AI algoritmiem.Bletchley Park - 6 fakti par bumbu, Nacionālais datortehnikas muzejs - Turing-Welchman Bombe, Imperial War Museums - Kā Alan Turing izlauza Enigma kodu 1943: McCulloch-Pitts Neironi. radīja pirmo neironu tīklu matemātisko modeli, demonstrējot, kā vienkāršas neironu līdzīgas vienības var veikt loģiskas operācijas un likt pamatu mūsdienu mākslīgajiem neironu tīkliem un dziļai mācīšanai. Electronic Numerical Integrator un Computer kļuva par pirmo programmējamu, vispārējas nozīmes elektronisko digitālo datoru, kas izveidoja pamatu visām nākotnes datoru sistēmām, kas veicinātu AI attīstību. ENIAC - Wikipedia, Britannica - ENIAC, Pennsylvania University - ENIAC 1946. gada 1. janvāris: Alan Turing tika apbalvots ar Britu impērijas ordeņu. Turing tika godināts par savu izšķirošo kodēšanas darbu kara laikā, lai gan visu viņa AI pamatā esošo ieguldījumu apjoms palika klasificēts gadu desmitiem. 1948. gads: Vīņera kibernētika. „Kibernētika: vai kontrole un komunikācija dzīvniekā un mašīnā” izveidoja kibernētiku kā kontroles un komunikācijas zinātni, ieviešot atgriezeniskās saites jēdzienus, kas ir būtiski AI un mašīntulkošanai. 1948. gada jūlijs-oktobris: Shannona informācijas teorija. „Mathematical Theory of Communication” izveidoja informācijas teoriju, kvantitatīvi nosakot informāciju un izveidojot matemātisko sistēmu digitālajai komunikācijai, nodrošinot būtiskus teorētiskos instrumentus AI sistēmām. 1950. gada oktobris: Turinga testa grāmata. „Datoru mašīnas un inteliģence” ierosināja fundamentālo mašīnu inteliģences testu (imitācijas spēli) un izveidoja filozofisko sistēmu AI sistēmu novērtēšanai, kļūstot par ietekmīgāko darbu par mākslīgo inteliģenci. 1950. gada 2. decembris: Īzaka Asimova "Es, robots" publikācija. Asimova kolekcija ieviesa trīs robotikas likumus, nosakot pamatētiskos pamatprincipus AI, kas turpina ietekmēt tehnoloģiju attīstību un populāro kultūru. 1951: Marvin Minsky SNARC neirālo tīklu mašīna. Minsky uzbūvēja pasaulē pirmo neirālo tīklu mācīšanās mašīnu ar nejaušām vadiem, kas noveda pie neirālo tīklu koncepciju aparatūras īstenošanas. 1951. gada 14. jūnijs: UNIVAC I Komerciālais dators. Universal Automatic Computer I kļuva par pirmo komerciāli ražoto elektronisko digitālo datoru Amerikas Savienotajās Valstīs, demonstrējot, ka elektroniskais aprēķins varētu būt praktisks biznesa lietojumprogrammām. UNIVAC I - Datoru vēstures muzejs, Smithsonian - UNIVAC I, IEEE Computer Society History 1952. gadā izveidoja pirmo pašmācību kontrolieru programmu, kas parādīja, ka mašīnas var mācīties no pieredzes un laika gaitā uzlabot veiktspēju, izveidojot mašīnu mācīšanos kā dzīvotspējīgu pieeju AI. 1954: Marvin Minsky PhD Aizsardzība. Minsky Princeton PhD disertācija par neirālajiem tīkliem izveidoja fundamentālo matemātisko teoriju par neirālajiem tīkliem un AI. Princetona Universitātes arhīvi, Marvin Minsky - MIT biogrāfija, Neirālo tīklu vēsture Newell, Simon un Shaw izstrādāja pirmo AI programmu automatizētai domāšanai, kas pierādīja matemātiskās teorēmas no Principia Mathematica, demonstrējot, ka mašīnas var veikt uzdevumus, kas prasa cilvēka līmeņa inteliģenci. 1955. gada 31. augusts: Džons Makartijs (John McCarthy) izveidoja „mākslīgā intelekta” (Artificial Intelligence) koncepciju. „McCarthy” sagatavošanas dokuments Dartmouth konferencei oficiāli ieviesa terminu „mākslīgais intelekts” un definēja šīs jomas galveno misiju. „Stanford – Dartmouth” konferences priekšlikums, Džona Makartī (John McCarthy) personīgā tīmekļa vietne, Informācijas vēsture – AI izcelsme Dartmouth Summer Research Project oficiāli dibināja mākslīgo intelektu kā pētniecības disciplīnu, radot terminu "mākslīgais intelekts" un apvienojot pionierus, kas vadītu AI pētījumus gadu desmitiem. 1956. gada 18. jūnijs: Dartmouth vasaras pētniecības projekta uzsākšana. McCarthy, Minsky, Shannon un Rochester uzsāka AI kā zinātnes disciplīnas dibināšanas konferenci, nosakot pētniecības programmu un kopienu šajā jomā. 1957: Rosenblatt's Perceptron. radīja pirmo apmācāmo mākslīgo neironu tīklu, kas spēj atzīt mācīšanās modeļus, nosakot pamatu mūsdienu dziļajai mācīšanai un neironu tīklu pieejām AI. 1958: McCarthy's LISP valoda. izstrādāja pirmo AI programmēšanas valodu ar simboliskām apstrādes iespējām, ieviešot tādas koncepcijas kā recursion un atkritumu savākšana, kas kļuva par pamatu AI programmēšanai gadu desmitiem. 1959: MIT mākslīgā intelekta laboratorija tika dibināta. MIT izveidoja vienu no pirmajām veltītajām AI pētniecības laboratorijām, kas izveidoja institucionālo pamatu desmitiem gadu AI inovācijām. 1961: Pirmais rūpnieciskais robots Unimate. pirmais rūpnieciskais robots veiksmīgi izvietota GM rūpnīcā Ņūdžersijā, lai nolietotu un metinātu, uzsākot automatizācijas revolūciju ražošanā un izveidojot robotiku kā praktisku rūpniecisko tehnoloģiju. John McCarthy dibināja SAIL pēc tam, kad pārcēlās no MIT, radot izcilības centru AI pētniecībai, kas radītu daudzus sasniegumus. 1964-1966: ELIZA Chatbot Joseph Weizenbaum no MIT izveidoja pirmo chatbot, kas demonstrē dabisko valodu mijiedarbību, nosakot pamatu sarunu AI un izvirzot jautājumus par mašīnu izpratni pret modeļu atbilstību. 1965: DENDRAL ekspertu sistēma. pirmā ekspertu sistēma, lai automatizētu zinātnisko pamatojumu organiskajā ķīmijā Stanfordā, demonstrējot, ka AI var veikt specializētus uzdevumus, kā arī cilvēka ekspertus šauros domēnos. AI Art Kingdom, Wikipedia, Encyclopedia Britannica Pirmais mobilais robots, kas spēj domāt par savām darbībām SRI, apvienojot uztveri, plānošanu un problēmu risināšanu, vienlaikus izveidojot pamatu mūsdienu robotikai un autonomām sistēmām. 1966: Mašīntulkošanas neveiksmes (ALPAC ziņojums). Automātiskās valodas apstrādes padomdevējas komitejas ziņojums secināja, ka mašīntulkošana bija dārgāka nekā cilvēku tulkošana ar sliktākiem rezultātiem, mācot lauku par konteksta nozīmi valodu izpratnē. 1968. gada 3. aprīlis: HAL 9000 filmā "2001: Kosmosa odiseja".Stanlija Kubrika HAL 9000 kļuva par kino ikonisko AI raksturu, izveidojot veidni AI kā potenciāli bīstamu un veidojot sabiedrības uztveri par mākslīgo intelektu paaudzēm. Filipa K. Dika romāns izpētīja robežas starp mākslīgo un cilvēka apziņu, vēlāk pielāgots Blade Runner un izveidoja kiberdrošības literatūru. 1968. gada 3. aprīlis: 2001: Kosmosa odiseja.Stanlija Kubrika filma iepazīstināja ar HAL 9000, radot pirmo ļaunprātīga AI mainstream attēlu, kas gadu desmitiem veidoja sabiedrības uztveri par mākslīgo intelektu.IMDb - 2001: Kosmosa odiseja, BFI - 2001: Kosmosa odiseja, Kritēriju kolekcija - 2001: Kosmosa odiseja Minsky un Papert matemātiskā analīze parādīja nopietnus viena slāņa perceptronu ierobežojumus, efektīvi izbeidzot neironu tīklu pētniecības finansējumu vairāk nekā desmit gadus un veicinot pirmo AI ziemu. 1969: Marvin Minsky uzvar Turinga balvu. Minsky kļuva par vienu no pirmajiem AI pētniekiem, kas saņēma augstāko datortehnikas godu, atzīstot viņa fundamentālos ieguldījumus mākslīgā intelekta un kognitīvās zinātnes jomā. ACM Turinga balva - Marvin Minsky, MIT News - Minsky Turinga balva, Datoru vēstures muzejs - Minsky Minsky un Papert matemātiskā analīze parādīja fundamentālos ierobežojumus viena slāņa perceptrons, kas būtiski ietekmē AI pētījumu virzienu un veicina "AI ziemas." 1970: SHRDLU dabiskās valodas sistēma. Terijas Winogradas novatoriskā dabiskās valodas programma varēja mijiedarboties vienkāršā angļu valodā, lai manipulētu ar objektiem virtuālajā "bloku pasaulē", demonstrējot agrīnu datoru valodas izpratnes potenciālu. 1970: Mākslīgā intelekta žurnāls tika dibināts. Viens no visilgāk izveidotajiem un visvairāk cienījamajiem žurnāliem AI tika dibināts, publicēts Elsevier, kas kalpoja kā galvenā vieta, kur publicēt svarīgus rakstus mākslīgā intelekta pētījumos. Elsevier - Mākslīgā intelekta žurnāls, ScienceDirect - AI žurnāls, žurnāla citācijas ziņojumi - AI žurnāls Impact 1971. gadā Džons Makartijs ieguva Turinga balvu. McCarthy's Turinga balva atzina viņa lomu AI dibināšanā, LISP programmēšanas valodas radīšanā un laika dalīšanas datoru sistēmu attīstībā. 1971.-1975: DARPA runas izpratnes pētniecības programma. DARPA vērienīgais piecu gadu runas atpazīšanas projekts lielā mērā neizdevās sasniegt savus mērķus, demonstrējot agrīnās AI pieejas ierobežojumus un mācot pētniekiem par dabiskās valodas apstrādes sarežģītību. 1972-1980: MYCIN Medicīnas ekspertu sistēma.Stanforda medicīnas diagnostikas sistēma sasniedza 69% panākumu līmeni asins infekciju ārstēšanā, labāk nekā cilvēku ārsti, pierādot ekspertu sistēmu komerciālo dzīvotspēju un noteikumu balstītu AI pielietojumu izveidi. 1973. gada Lighthill ziņojums un pirmā AI ziema Džeimsa Lighthilla postošā kritika pret Lielbritānijas parlamenta pasūtītajiem AI pētījumiem identificēja "kombinācijas sprādziena" problēmu, izraisot masveida globālos finansējuma samazinājumus un pirmo AI ziemu, kas ilga līdz 1980. gadam. Sir James Lighthill kritiskais ziņojums Apvienotās Karalistes Parlamentam secināja, ka AI pilnībā neizdevās sasniegt savus "grandiozos mērķus", kas noveda pie masveida finansējuma samazināšanas un pirmā AI ziema, kas mācīja lauku par briesmām, kas saistītas ar pārāk daudzsološām spējām. 1978: Geoffrey Hinton PhD pabeigšana Edinburgā. Hinton PhD par "atslābināšanos un tās lomu redzēšanā" izveidoja agrīnus savienojumus starp psiholoģiju un neiroloģisko skaitļošanu, kas vēlāk ietekmētu dziļo mācīšanos. 1978. gada jūlijs: Eiropas konference par mākslīgā intelekta izveidi. Pirmā Eiropas mēroga AI konference izveidoja pastāvīgu platformu starptautiskai AI pētniecības apmaiņai, veicinot sadarbību starp Eiropas mākslīgā intelekta kopienām. 1979: Carnegie Mellon Robotics Institute tika dibināts. pirmais robotikas departaments jebkurā ASV universitātē tika izveidots Raj Reddy, koncentrējoties uz robotikas ieviešanu ikdienas darbībās. Sākotnēji nosaukta par American Association for Artificial Intelligence, AAAI tika dibināta, lai veicinātu zinātnisko izpratni par AI mehānismiem. AAAI vēsture, AAAI dibināšanas dokumenti, AI Magazine - AAAI Origins Pirmā komerciāli veiksmīga ekspertu sistēma DEC līdz 1986. gadam ietaupīja 25 miljonus ASV dolāru gadā, konfigurējot VAX datorus ar 95-98% precizitāti, pierādot, ka ekspertu sistēmas var nodrošināt ievērojamu biznesa vērtību. 1980: AAAI konference par mākslīgo intelektu pirmo reizi notika. vadošā zinātniskās sabiedrības konference, kas veltīta zinātniskās izpratnes veicināšanai par AI, notika Stanfordas universitātē, 4. vietā H5 indeksā starp AI publikācijām. AAAI konferences vēsture, Stanfordas universitāte - AAAI 1980, Google Scholar - AAAI Metrics 1980: Starptautiskā konference par mašīntulkošanu pirmo reizi notika. tika izveidota viena no trim visvairāk respektētajām konferencēm mašīntulkošanas un AI pētniecībā, ko atbalstīja Starptautiskā mašīntulkošanas biedrība. Japānas 400 miljonu dolāru ilgs 10 gadu ilgs projekts, lai attīstītu AI datorus, stimulēja Rietumu reakciju, tostarp ASV Stratēģiskās datortehnikas iniciatīvu, lai gan galu galā tas neizdevās sasniegt komerciālu panākumu. John Hopfield ieviesa asociatīvās atmiņas modeli, izmantojot atkārtotus neironu tīklus ar enerģijas dinamiku, savienojot neironu tīklus ar statistikas fiziku un nodrošinot pamatu turpmākai attīstībai. 1982. gada 25. jūnijs: "Blade Runner" filmas izlaišana.Ridlija Skota adaptācija no Philip K. Dick romāna izpētīja AI apziņu un to, kas padara cilvēku cilvēku, izmantojot replikācijas rakstzīmes, izveidojot "tech noir" žanru un dziļi ietekmējot AI stāstu stāstīšanu. 1982. gada aprīlis: Japānas piektās paaudzes datorsistēmu projekts. Japānas ambiciozā 400 miljonu dolāru AI iniciatīva, lai izstrādātu inteliģentus datorus, izraisīja starptautisku konkurenci un izraisīja Eiropas un ASV reakcijas. 1982. gada 25. jūnijs: "Blade Runner" izlaišana.Ridlija Skota adaptācija Philip K. Dika romānam izpētīja robežas starp cilvēka un mākslīgo apziņu, nosakot kiberdrošības estētiku mainstream kultūrā.IMDb - Blade Runner, Criterion Collection - Blade Runner, BFI - Blade Runner Analysis 1982-2000: Microelectronics un Computer Technology Corporation. ASV rūpniecības konsorcija reakcija uz Japānas AI konkurenci apvienoja lielākos amerikāņu tehnoloģiju uzņēmumus sadarbīgajā AI pētniecībā. 1983-1988: Lielbritānijas Alvey programmas uzsākšana. Lielbritānijas 350 miljonu mārciņu atbilde uz Japānas Piektās paaudzes projektu veicina starptautisko AI sadarbību starp universitātēm un rūpniecību. Alvey Programme Archives - UK National Archives, Science Policy Research Unit - Sussex, IEEE Computer Society - Alvey Report 1983-1993: ASV stratēģiskās skaitļošanas iniciatīvas reakcija. ASV miljardu dolāru atbilde uz Japānas Piektajā paaudzes projektu radīja starptautisku tehnoloģiju konkurenci un sadarbīgus aizsardzības pētījumus. DARPA stratēģiskās skaitļošanas iniciatīva, datoru pētniecības asociācija - SCI vēsture, Nacionālā pētniecības padome - SCI novērtējums 1983: Konference par datora redzējumu un modeļu atpazīšanu pirmo reizi notika. pirmā ikgadējā datora redzes un modeļu atpazīšanas konference tika organizēta Takeo Kanade un Dana H. Ballard. IEEE CVPR konference, Computer Vision Foundation, DBLP - CVPR vēsture Eiropas aizsardzības reakcija uz ASV un Japānas AI domināciju radīja lielāko starptautisko sadarbības IT pētniecības programmu. Eiropas Komisija - ESPRIT arhīvi, CORDIS - ES pētniecības datubāze, IEEE Computer - ESPRIT Analysis 1984. gada jūlijs: Cyc zināšanu bāzes projekts.Douglas Lenat uzsāka milzīgu projektu, lai kodētu cilvēka saprāta zināšanas ar miljoniem faktu un noteikumu, kas ir lielākais mēģinājums simbolisku zināšanu pārstāvību, kas joprojām notiek šodien. 1984. gada 1. jūlijs: "Neuromancer" publikācija.William Gibson izdomāja "cyberspace" un izveidoja cyberpunk žanru, fundamentāli ietekmējot to, kā cilvēki gadu desmitiem konceptualizēja AI, virtuālo realitāti un cilvēka un datora integrāciju. 1984. gada 26. oktobris: "The Terminator" filma Džeimsa Kamerona filma izveidoja ilgstošu AI tēlu kā eksistenciālu apdraudējumu, izmantojot Skynet, popularizējot AI jēdzienu, kas kļūst par pašapziņu un vēršas pret tā radītājiem, ietekmējot AI diskusiju gadu desmitiem. 1984. gada 1. jūlijs: Neuromancer Publication. Viljama Gibsona debijas romāns popularizēja terminu "cyberspace" un izveidoja cyberpunk kā žanru, ietekmējot to, kā kultūra iedomājas AI un virtuālo realitāti. Kopīgā sadarbība starp ICL (Lielbritānija), Bull (Francija) un Siemens (Vācija) izveidoja pirmo nozīmīgo Eiropas AI pētniecības centru. ECRC arhīvi - Datoru vēstures muzejs, IEEE Datoru biedrība - Eiropas IT sadarbība, Siemens korporatīvie arhīvi 1984. gada 26. oktobris: Terminatora atbrīvošana. Džeimsa Kamerona filma iepazīstināja ar Skynet un robotizēto slepkavu koncepciju, izveidojot "AI sacelšanās" stāstu, kas turpina ietekmēt sabiedrības bailes no mākslīgā intelekta. 1986. gada 9. oktobris: Geoffrey Hinton Backpropagation Paper. Hinton, Rumelhart un Williams sēklu darbs popularizēja backpropagation, padarot to par mūsdienu neironu tīklu un dziļas mācīšanās sistēmu mugurkaulu. 1987-1993: Otrais AI ziema sākas. tirgus AI aparatūras sabruka un vairāk nekā 300 AI uzņēmumi tika slēgti vai iegādāti, efektīvi izbeidzot ekspertu sistēmu bumu un radot plaši izplatītu skeptiskumu par AI komerciālo dzīvotspēju. 1987: Yann LeCun PhD Aizsardzība. LeCun disertācija ierosināja agrīnās formas atpakaļizplatīšanas mācīšanās algoritmus neironu tīkliem, izveidojot pamatu konvolucionāro neironu tīkliem. Yann LeCun Personal Website, University Pierre et Marie Curie Archives, Facebook AI Research - LeCun 1987. gadā Neural Information Processing Systems (NeurIPS) tika dibināta, un Ed Posner un Yaser Abu-Mostafa kā atvērta starpdisciplināra sanāksme dibināja vadošo mašīntulkošanas un skaitļošanas neiroloģijas konferenci NeurIPS konference, Neural Information Processing Systems Foundation, DBLP - NeurIPS vēsture Second AI Winter - Expert Systems Collapse. The collapse of the expert systems market due to expensive hardware requirements and limited practical applications led to the second AI winter, teaching the field about the importance of practical, scalable solutions. , , 1987-1993: AI Magazine - Expert Systems Crisis IEEE Expert Systems ACM Computing Surveys - Expert Systems 1991. gada 17. septembris: Linux Kernel 0.01 izlaišana. Linus Torvalds izlaida pirmo Linux kodola versiju, radot atvērtā koda operētājsistēmu, kas kļūtu par pamatu lielākajai daļai AI datoru infrastruktūras. Linux Kernel Archives, Linus Torvalds - First Linux Announcement, Free Software Foundation - Linux History 1991. gada februāris: Python 0.9.0 Pirmā publiskošana. Guido van Rossum publicēja pirmo Python versiju sabiedrībai, nosakot pamatu tam, kas kļuva par populārāko AI programmēšanas valodu. Microsoft pētniecības meitasuzņēmums tika dibināts ar vairāk nekā 1000 pētniekiem, katru gadu ieguldot 10-14 miljardus ASV dolāru pētniecībā kopš 2010. gada un turot 20% no pasaules AI patentiem, kas iesniegti no 2010. līdz 2018. gadam. 1991: Yoshua Bengio PhD pabeigšana McGill. Bengio doktora darbs Yann LeCun koncentrējās uz mākslīgo neironu tīkliem, nostiprinot viņa pieredzi mašīntulkošanā, kas vēlāk padarītu viņu par dziļas mācīšanās pionieri. McGill University Archives, Yoshua Bengio - MILA, Turing Award - Yoshua Bengio 1992: TD-Gammon Reinforcement Learning. Gerald Tesauro no IBM izveidoja TD-Gammon, apvienojot neironu tīklus ar pastiprinājuma mācīšanos, lai sasniegtu gandrīz ekspertu backgammon sniegumu, izmantojot pašspēli, likdams pamatu nākotnes spēļu AI, piemēram, AlphaGo. Viens no pirmajiem atklātas piekļuves zinātniskajiem žurnāliem tīmeklī tika dibināts Steven Minton kā vadošā publikācijas vieta, kas aptver visas AI jomas. JAIR - Journal of Artificial Intelligence Research, AAAI - JAIR Partnership, IJCAI - JAIR Recognition 1994. gada 26. janvāris: Python 1.0 oficiālā izlaišana. Python 1.0 tika izlaists ar pamatfunkcijām, tostarp lambda funkcijām un objektorientētu programmēšanas atbalstu, izveidojot Python kā nopietnu programmēšanas valodu. Python 1.0 izlaišanas piezīmes, Python programmatūras fonda vēsture, datoru vēstures muzejs - Python Cortes un Vapnik publicēja revolucionāru uzraudzītu mācīšanās algoritmu, kas ieviesa kodola metodes un uz maržas balstītu mācīšanos, ievērojami uzlabojot statistikas mācīšanās teoriju un ļaujot spēcīgu modeļu atpazīšanu. 1997. gada 11. maijā IBM Deep Blue kļuva par pirmo datoru, kas uzvarēja pasaules šaha čempionu turnīra apstākļos, demonstrējot masveidā paralēlu datoru spēku un atzīmējot psiholoģisko posmu cilvēka-mašīnas konkurencē. 1997: Ilgtermiņa īstermiņa atmiņas tīkli.Hochreiter un Schmidhubera LSTM arhitektūra atrisināja pazūd gradientu problēmu atkārtotajos tīklos, ļaujot apgūt ilgtermiņa atkarības, kas ir būtiskas mūsdienu secību modelēšanai un dabiskās valodas apstrādei. Google's PageRank Algorithm. Page and Brin's algorithm treated web links as authority signals, revolutionizing information retrieval and enabling Google's dominance while influencing network analysis across multiple fields. , , 1998: Wikipedia Cornell Blogs Stanford InfoLab 1998: MNIST Manuāli rakstīts Digit Database. Yann LeCun 70 000 manuāli rakstīts ciparu datu kopums kļuva par "Hello World" mašīntulkošanas, nosakot zelta standartu benchmarking attēlu klasifikācijas algoritmiem. "The Wachowskis" filma, kurā attēlota AI verdzināšana cilvēci simulētā realitātē, kļuva par kultūras parādību, popularizējot tādas jēdzienus kā "sarkanā tablete / zilā tablete", kas iekļuva mainstream diskusijā par patiesību un AI kontroli. The Wachowskis filma popularizēja simulētās realitātes un AI kontroles jēdzienus pār cilvēci, iepazīstinot galvenās auditorijas ar filozofiskajiem jautājumiem par mākslīgo apziņu. 2000. gada 16. oktobris: Python 2.0 ir nozīmīgs posms.Python 2.0 ieviesa sarakstu izpratni, atkritumu savākšanu un Unicode atbalstu, ievērojami paplašinot Python iespējas datu apstrādei un zinātniskajam aprēķinam.Python 2.0 Release Notes, Python Enhancement Proposals, Dr. Dobb's Journal - Python 2.0 Analysis Pirmā OpenCV alfa versija tika izlaista IEEE konferencē par datora redzi un modeļu atpazīšanu, nodrošinot atvērtā koda datora redzes algoritmus, kas nepieciešami AI lietojumprogrammām. 2001: Random Forests algoritms.Leo Breimana ansambļa mācīšanās metode apvienoja bagging ar izlases funkciju izvēli, lai izveidotu izturīgus, interpretējamus modeļus, kas kļuva par vienu no visplašāk izmantotajiem mašīntulkošanas algoritmiem.Springer, SCIRP, Berkeley Statistics 2001: IPython 0.1 Sākotnējā izlaišana. IPython pirmo reizi tika izlaists, nodrošinot uzlabotu interaktīvo Python apvalku, kas attīstītos par pamatu mūsdienu datu zinātnes un AI attīstības darba plūsmām. SciPy pirmo reizi tika izlaists, lai papildinātu NumPy ar papildu matemātiskajiem algoritmiem un funkcijām optimizācijai, lineārajai algebrai un statistikai, kas ir būtiska zinātniskajam aprēķinam AI. 2002: Andrew Ng PhD Aizsardzība UC Berkeley. Ng disertācija "Shaping un politikas meklēšana pastiprināšanas mācīšanās" saskaņā ar Michael I. Jordānija izveidoja pamatkoncepcijas joprojām minēts šodien AI un robotikas. Andrew Ng - Wikipedia, Andrew Ng - Google Scholar, UC Berkeley EECS 2002: Andrew Ng kļūst par Stanforda asistentu profesoru. Ng pāreja uz Stanforda fakultāti ļāva viņam izveidot ietekmīgo STAIR projektu un mentorēt daudzus nākotnes AI līderus. 2003: Amazon Recommendation System. Amazon publicēja rakstu "Item-to-Item Collaborative Filtering", kas atklāja savu ieteikumu algoritmu, kas noveda pie ievērojama ieņēmumu pieauguma un izveidoja AI-powered ieteikumus kā būtisku e-komercijas infrastruktūru. 2003. gada 1. jūlijs: MIT CSAIL Izveidota no AI Lab apvienošanās. MIT CSAIL tika izveidota, apvienojot AI Lab (izveidots 1959. gadā) un Laboratory for Computer Science, radot lielāko starpdisciplināro laboratoriju MIT campus ar vairāk nekā 600 darbiniekiem. Pirmā autonomā transportlīdzekļu sacensība katalizēja autonomās automašīnas attīstību; lai gan neviens transportlīdzeklis nebija pabeigts 2004. gadā, 2005. gada uzvarētājs (Stanforda Stanley) demonstrēja praktisku autonomu navigāciju, kas noveda pie mūsdienīgiem autonomajiem transportlīdzekļiem. 2004: Google MapReduce. Deana un Ghemawat programmēšanas modelis vienkāršoja sadalīto datoru liela mēroga datu apstrādei, ļaujot lielo datu revolūciju un iedvesmojot Hadoop, kas ir būtiski mūsdienu lielo AI modeļu apmācībai. DARPA autonomās transportlīdzekļu izaicinājums uzsāka autonomās automašīnas revolūciju, 2004. gadā bez finišētājiem, bet Stanforda Stanley uzvarēja 2005. gadā. Šis 10 miljonu dolāru konkurss par privāto kosmosa lidojumu uzsāka komerciālo kosmosa nozari, kad SpaceShipOne divreiz divu nedēļu laikā sasniedza nepieciešamo augstumu. 2005: Fei-Fei Li saņem PhD no Caltech. Li PhD elektroenerģijas inženierzinātnēs pie Pietro Perona lika pamatu viņas revolucionāro darbu datora redzes un ImageNet. Fei-Fei Li - Stanford Profile, Caltech - Pietro Perona, Stanford HAI - Fei-Fei Li 2005. gada 7. aprīlis: Git pirmā apņemšanās un sākotnējā attīstība.Linus Torvalds veica pirmo apņemšanos Git pēc tam, kad to izstrādāja tikai 10 dienās, radot sadalīto versiju kontroles sistēmu, kas ir būtiska sadarbīgai AI attīstībai.Git - Wikipedia, GitHub Blog - Git 20 gadu vecumā: Q&A ar Linus Torvalds, Git SCM - īsa Git vēsture 2005. gada 21. decembris: Git 1.0 Major Release. Git 1.0 tika izlaists Junio Hamano, atzīmējot Gita gatavību plašākai pieņemšanai ārpus Linux kodola. Git Release History, Linus Torvalds - Linux GitHub, Gita 20. gadadienas svinēšana ar radītāju Linus Torvalds 2006. gada oktobris: Netflix Prize Launch. $1M konkurss, lai uzlabotu ieteikumu algoritmus, demokratizēja mašīntulkošanas pētījumus, uzlabojot sadarbīgo filtrēšanu un ansambļa metodes, vienlaikus izveidojot ML sacensības kā inovāciju dzinējus. 2006. gada jūlijs: Hinton's Deep Belief Networks. Geoffrey Hinton's slāņa pēc slāņa priekšapmācība atrisināja dziļas neironu tīklu apmācības problēmas, atdzīvinot interesi par dziļu mācīšanos pēc gadu desmitiem ierobežota progresa un tieši ļaujot mūsdienu AI revolūciju. Aprīlis 2006: Apache Hadoop 0.1.0 Pirmā izlaišana. Apache Hadoop 0.1.0 nodrošināja izplatītu lielo datu uzglabāšanu un apstrādi, izmantojot MapReduce, liekot pamatu liela mēroga datu apstrādei, kas nepieciešama AI lietojumprogrammām. 2006. gada oktobris: NumPy 1.0 pirmā lielā izlaišana. NumPy 1.0 nodrošināja pamata N-dimensiju matricas objektu un matemātiskās funkcijas, kas kļuva par Python zinātniskās aprēķinu ekosistēmas stūrakmeni. NumPy - Wikipedia, NumPy Oficiālā tīmekļa vietne, SciPy - NumPy vēsture 2006. gada oktobris: Netflix balvu konkursa atklāšana. Netflix 1 miljonu dolāru izaicinājums uzlabot savu ieteikumu algoritmu par 10% izraisīja panākumus sadarbīgajā filtrēšanā un matricas faktorizēšanā. Netflix balva - Wikipedia, Netflix TechBlog - Netflix ieteikumi: Beyond the 5 stars, Harvard Digital Innovation - The Netflix Prize Oktobris 2006: OpenCV 1.0 Stable Release. OpenCV 1.0 tika izlaists kā pirmā stabilā versija, nostiprinot to kā vadošo datora redzes bibliotēku reāllaika attēlu apstrādei. 2006. gada novembris: CUDA 1.0 arhitektūras uzsākšana. NVIDIA ieviesa CUDA, atverot GPU paralēlās apstrādes iespējas vispārējai aprēķināšanai un liekot pamatu paātrinātai AI apmācībai. NVIDIA CUDA, CUDA - Wikipedia, NVIDIA Developer Documentation 2007. gada 29. jūnijā: iPhone tika izlaists ar Siri Precursor. Apple iPhone revolucionizēja mobilo datoru, radot platformu AI palīgiem; Siri tika uzsākta 2011. gadā, radot balss vadītu AI simtiem miljonu lietotāju visā pasaulē. 2007. gada 15. februāris: CUDA Toolkit pirmā publiskā izlaišana. sākotnējais CUDA SDK tika publicēts Windows un Linux, sniedzot izstrādātājiem rīkus, lai izmantotu GPU jaudu zinātnisko datoru un AI lietojumprogrammām. NVIDIA CUDA Toolkit, CUDA Toolkit Archive, NVIDIA Technical Blog 2007. gada 3. novembrī: DARPA Urban Challenge. trešajā DARPA konkursā bija nepieciešama autonomā navigācija pilsētu satiksmes scenārijos, ko uzvarēja Carnegie Mellon "Boss", demonstrējot AI spēju sarežģītā reālajā braucienā. GitHub uzsāka Tom Preston-Werner, Chris Wanstrath, PJ Hyett un Scott Chacon, revolucionējot sadarbīgo programmatūras izstrādi un paātrinot atvērtā koda AI projekta attīstību. Panda attīstība sākās AQR. panda attīstība sākās kvantitatīvajā riska fondu AQR, nodrošinot augstas veiktspējas datu struktūras un analīzes rīkus, kas ir būtiski datu priekšapstrādei mašīntulkošanā. panda dokumentācija, Wes McKinney - panda Creator, PyData - panda vēsture 2008: Common Crawl Foundation. šis bezpeļņas petabaitu mēroga tīmekļa skrāpēšanas dati nodrošina brīvu piekļuvi miljardiem tīmekļa lapu, kas ļauj lieliem valodu modeļiem, piemēram, GPT-3. 2008. gada 3. decembris: Python 3.0 "Python 3000" izlaišana. Python 3.0 tika izlaists ar fundamentāliem dizaina uzlabojumiem un pārmaiņām, lai labotu valodas kļūdas, kas ir nozīmīga evolūcija AI attīstībā. 2008. gada decembris: OpenCL 1.0 atbrīvošana.Khronos grupa izlaida OpenCL 1.0, kas nodrošina atvērtu standartu paralēlajiem datoriem dažādās aparatūras platformās.Khronos OpenCL, OpenCL - Wikipedia, OpenCL specifikācija 2009: ImageNet Dataset Creation. Fei-Fei Li komanda izveidoja vairāk nekā 14 miljonus marķētu attēlu 22 000 kategorijās, nodrošinot liela mēroga datu kopu, kas nepieciešama dziļu neironu tīklu apmācībai un ļaujot 2012. gada datoru redzes revolūcijai. Alex Krizhevsky, Vinod Nair un Geoffrey Hinton izveidoja šos 60 000 32x32 krāsu attēlu datu kopas, kas kļuva par būtiskiem kritērijiem konvolucionāru neironu tīklu testēšanai. CIFAR-10 un CIFAR-100 datu kopas, Toronto Universitāte - Geoffrey Hinton, Machine Learning Datasets Repository ImageNet Database Released. Fei-Fei Li's revolutionary 14+ million labeled image database with 20,000+ categories transformed computer vision research by providing unprecedented scale and quality. , , 2009: ImageNet Stanford Vision Lab - ImageNet Fei-Fei Li - Stanford Profile 2009: Demis Hassabis pabeidz neiroloģijas doktora grādu.Hassabis kognitīvās neiroloģijas doktora grāds Eleanor Maguire vadībā savienoja atmiņu, iztēli un amnēzijas pētījumus, tieši iedvesmojot viņa vēlākās AI arhitektūras DeepMind. 2009. gada jūlijs: matplotlib 1.0 izlaišana. matplotlib 1.0 nodrošināja visaptverošas 2D plānojuma iespējas Python, kļūstot par standarta vizualizācijas bibliotēku datu zinātnei un AI pētījumiem. Matplotlib, matplotlib - Wikipedia, Python Software Foundation - Matplotlib 2010: Apache Spark atvērtā koda izlaišana. Apache Spark tika atvērts no UC Berkeley AMPLab, nodrošinot atmiņas apstrādes iespējas līdz 100x ātrāk nekā Hadoop MapReduce. Apache Spark, UC Berkeley AMPLab, Apache Spark - Wikipedia 2010. gada aprīlis: Kaggle platformas uzsākšana. Kaggle crowdsourced datu zinātnes konkursa platforma demokratizēja mašīntulkošanu, ļaujot globāli piedalīties reālo problēmu risināšanā. Kaggle, Kaggle - Wikipedia, Google AI - Kaggle Acquisition 2010. gada jūnijs: scikit-learn 0.1 Sākotnējā izlaišana. scikit-learn pirmo reizi tika izlaists, nodrošinot visaptverošu mašīntulkošanas bibliotēku ar vienkāršiem un efektīviem datu analīzes rīkiem. scikit-learn, scikit-learn - Wikipedia, INRIA - scikit-learn Development 2010: ImageNet Challenge (ILSVRC) uzsākšana. ImageNet izaicinājums izraisīja dziļas mācīšanās revolūciju, ar AlexNet 2012. gada uzvaru, kas pierāda CNN pārākumu. ImageNet liela mēroga vizuālās atpazīšanas izaicinājums, ILSVRC - Wikipedia, Stanford Vision Lab Novembris 2010: DeepMind Technologies dibināta. Demis Hassabis, Shane Legg un Mustafa Suleyman dibināja DeepMind, lai izstrādātu mākslīgo vispārējo inteliģenci, pionieru pastiprināšanas mācīšanās pieejas. Google DeepMind - Wikipedia, Google DeepMind - Par, Demis Hassabis - Wikipedia 2010. gada 6. maijs: Flash Crash Algoritmiskā tirdzniecības katastrofa. Algoritmiskās tirdzniecības sistēmas izraisīja Dow Jones kritumu gandrīz 1000 punktos minūtēs, izdzēšot 1 triljona ASV dolāru tirgus vērtību pirms atgūšanas. 2010: Kaggle Titanic konkursa uzsākšana. Kaggle sacensību "Hello World" izaicinājums dalībniekiem paredzēt Titanic pasažieru izdzīvošanu, kas kalpo kā izejas punkts miljoniem datu zinātnieku. IBM Watson uzvarēja cilvēka čempionus Ken Jennings un Brad Rutter uz Jeopardy!, demonstrējot AI spēju saprast dabisko valodu, apstrādāt neskaidrus jautājumus un atgūt zināšanas ar pārcilvēcisku ātrumu. Apple integrēja Siri iPhone 4S kā pirmo mainstream balss palīgu, pārdodot 4 miljonus ierīču pirmajās četrās dienās un ieviešot sarunu AI simtiem miljonu lietotāju. 2011: Google Brain Founded.Mākslīgā intelekta pētījumu komanda Google AI ietvaros tika dibināta Andrew Ng, vēlāk pievienojās Jeff Dean un Greg Corrado. IBM Watson uzvarēja cilvēka čempiones Ken Jennings un Brad Rutter uz Geopardy!, parādot dabiskās valodas apstrādes iespējas mainstream auditorijai. IBM Watson, Watson (dators) - Wikipedia, IBM Research - Watson Pirmo piezīmju grāmatiņu versiju IPython izlaida Fernando Pérez, Brian Granger un Min Ragan-Kelley, kas revolucionē interaktīvo datoru. 2011. gada 22. septembris: Person of Interest pirmizrāde. J.J. Abrams sērija iepazīstināja galvenās auditorijas ar prognozējošām AI uzraudzības sistēmām, izspiežot reālās pasaules bažas par algoritmisko policijas darbību. Krizhevsky, Sutskever un Hinton's Deep CNN sasniedza 15.3% kļūdu salīdzinājumā ar 26.2% runner-up par ImageNet, dramatiski pārspējot tradicionālās metodes un uzsākot mūsdienu dziļās mācīšanās laikmetu. Google ieviesa semantiskās meklēšanas izpratnes attiecības starp vienībām, pārkāpjot atslēgvārdu atbilstību, lai saprastu nozīmi un kontekstu, fundamentāli mainot meklētājprogrammu darbību. 2012: Fei-Fei Li saņem amatu Stanfordā. Li amata iecelšana atzina viņas novatoriskos ieguldījumus datora redzes jomā un nostiprināja viņu kā vadošo balsi AI ētikas jomā. 2013. gada 19. decembris: DeepMind DQN Atari spēlēšana. pirmais dziļās mācīšanās modelis, lai veiksmīgi iemācītos kontroles politiku no augstas dimensijas jutekļu ievades, izmantojot pastiprināšanas mācīšanos, pārspējot cilvēkus vairākās Atari spēlēs bez spēļu specifiskas programmēšanas. 2013. gada 16. janvāris: Word2Vec ievietošana. Mikolova komanda Google ieviesa efektīvus vārdu ievietojumus, kas uztver semantiskās attiecības, ļaujot vektoru aritmētiku, piemēram, "karalis - vīrietis + sieviete = karaliene" un revolucionizē dabiskās valodas apstrādi. Wikipedia, Google Research, HackerNoon - Word Embeddings 2013. gada marts: Docker publiskā izlaišana. Docker tika izlaists kā atvērtā koda, revolucionizējot programmatūras izvietošanu, izmantojot konteinerizāciju un padarot AI modeļa izvietošanu pārvaldāmāku. Docker, Docker - Wikipedia, Docker GitHub 2013. gada 11. februāris: Black Mirror 'Be Right Back' epizode. Čārlija Brookera antoloģijas sērijas epizode izpētīja AI, kas atjauno mirušos mīļotos, ietekmējot sabiedrības diskusiju par digitālo nemirstību. Black Mirror - Wikipedia, IMDb - Be Right Back, Netflix - Black Mirror 2013. gada marts: Geoffrey Hinton pievienojas Google.Hinton pāreja uz Google, izmantojot DNNresearch iegādi par 44 miljoniem ASV dolāru, bija izšķirošs brīdis dziļas mācīšanās pieredzes iegūšanai lielākajos tehnoloģiju uzņēmumos.Geoffrey Hinton - Google AI, Google AI Blog - Geoffrey Hinton, Toronto Universitāte - Geoffrey Hinton ICLR tika dibināta kā viena no trim galvenajām konferencēm ar augstu ietekmi mašīntulkošanas un AI jomā, uzsākot atvērtus peer review procesus, pamatojoties uz Yann LeCun ierosinātajiem modeļiem. Spike Jonze filma izpētīja intīmas attiecības starp cilvēkiem un AI, ietekmējot to, kā auditorijas domā par AI palīgiem un emocionālajiem savienojumiem ar tehnoloģijām. 2013. gada decembris: tika dibināta Facebook AI Research (FAIR). pētniecības nodaļa tika dibināta Mark Zuckerberg un Yann LeCun, lai veicinātu AI stāvokli ar atklātu pētniecību. Meta AI (FAIR), Yann LeCun - Meta, Facebook AI Research - Wikipedia 2014. gada 10. jūnijs: Generative Adversarial Networks. Ian Goodfellow ieviesa antagonistisko apmācību, kurā konkurē ģeneratora un diskriminatora tīkli, revolucionizējot ģeneratīvo modelēšanu un sintētisko attēlu radīšanu, radot visu ģeneratīvo AI lauku. Amazon Alexa Launch. Amazon introduced Alexa with Echo smart speaker, democratizing conversational AI and spawning the smart speaker industry with over 100 million devices sold by 2019. , , November 6, 2014: Wikipedia Amazon Science Britannica Sutskever, Vinyals un Le ieviesa vispārēju kodētāju un dekodera sistēmu, kas ļauj neironu mašīnu tulkošanu un revolucionizē to, kā AI apstrādā secīgus datus no valodas uz laika sēriju. 2014. gada 26. janvāris: Google iegādājas DeepMind. „Google” iegādājas DeepMind par 400-650 miljoniem ASV dolāru, radot pasaules klases AI pētījumus, kas ļauj veikt pārsteidzošus pētījumus pastiprināšanas mācīšanās jomā. „Google DeepMind”, „DeepMind Acquisition” - TechCrunch, Google AI Blog 2014. gada februāris: Sam Altman kļūst par Y Combinator prezidentu. Altman vadība Y Combinator pārveidoja to par pasaules vadošo starta paātrinātāju, pozicionējot viņu, lai vēlāk vadītu OpenAI. 2014: Projekts Jupyter Spin-off. Fernando Pérez paziņoja par Projektu Jupyter kā IPython spin-off, radot valodas agnostiku piezīmjdatoru saskarnes, kas ir būtiskas AI attīstībai. 2014. gada maijs: Apache Spark 1.0 stabilā izlaišana. Apache Spark 1.0 tika izlaists kā stabilā versija, nodrošinot vienotu analītikas dzinēju ar MLlib mašīntulkošanai. Apache Spark 1.0 izlaišana, Apache Spark, Databricks - Spark vēsture 2014. gada 1. maijs: Microsoft COCO Dataset Release. Lin et al. 2,5 miljoni marķētu instanci 328 000 attēlos 91 objektu kategorijā revolucionizēja objektu noteikšanu un segmentāciju. 2014: pandas 0.14.0 izlaišana. pandas 0.14.0 ieviesa DataFrame.query() metodi un uzlaboja veiktspēju, nostiprinot tās pozīciju kā standarta datu manipulācijas bibliotēku Python. pandas 0.14.0 izlaišanas piezīmes, pandas Dokumentācija, PyData - pandas Vēsture 2014: scikit-learn 0.15.0 Atbrīvošana. scikit-learn 0.15.0 ieviesa ansambļa metodes un uzlabotus algoritmus, padarot to par mašīntulkošanas bibliotēku Python. scikit-learn 0.15.0 Atbrīvošanas piezīmes, scikit-learn, INRIA - scikit-learn Development 2014: NumPy 1.9.0 izlaišana. NumPy 1.9.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā pamata paketi zinātniskajiem datoriem ar Python. NumPy 1.9.0 izlaišanas piezīmes, NumPy, SciPy - NumPy vēsture 2014: matplotlib 1.4.0 Atbrīvošana. matplotlib 1.4.0 ieviesa uzlabotas plānojuma iespējas un labāku veiktspēju, nostiprinot savu pozīciju kā standarta plānojuma bibliotēku Python. matplotlib 1.4.0 Atbrīvošanas piezīmes, Matplotlib, Python Software Foundation - Matplotlib IPython 2.0 ieviesa uzlabotu piezīmjdatoru funkcionalitāti un labāku veiktspēju, padarot to par standarta interaktīvo datortehniku Python. 2014: OpenCV 3.0 izlaišana. OpenCV 3.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo datora redzes bibliotēku reāllaika attēlu apstrādei. 2014: CUDA 6.0 izlaišana. CUDA 6.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo paralēlo datoru platformu AI lietojumprogrammām. CUDA Toolkit Archive, NVIDIA CUDA, CUDA - Wikipedia OpenCL 2.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo atvērto standartu paralēlajam aprēķinam dažādās aparatūras platformās. Docker 1.0 tika izlaists kā pirmā stabilā versija, revolucionējot programmatūras izvietošanu, izmantojot konteinerizāciju un padarot AI modeļa izvietošanu pārvaldāmāku. Apache Spark 1.1.0 Release. Apache Spark 1.1.0 introduced improved performance and new features, maintaining its position as the leading unified analytics engine for big data processing. , , 2014: Apache Spark 1.1.0 Release Apache Spark Databricks - Spark History GitHub 2.0 ieviesa uzlabotas sadarbības funkcijas un labāku veiktspēju, saglabājot savu pozīciju kā vadošo platformu sadarbīgas programmatūras izstrādei. Common Crawl izlaida savu 2014. gada datu kopumu ar miljardiem tīmekļa lapu, nodrošinot brīvu piekļuvi liela mēroga tīmekļa datiem AI pētniecībai un attīstībai. 2014. gada ImageNet izaicinājums turpināja virzīt inovācijas datora redzes jomā, un komandas izstrādāja arvien sarežģītākus dziļas mācīšanās modeļus. ImageNet 2014 Challenge, ILSVRC 2014 rezultāti, Papers With Code - ImageNet 2014 2014. gadā Kaggle rīkoja vairākas sacensības, tostarp Higgs Boson Machine Learning Challenge, kas vēl vairāk demokratizēja mašīntulkošanu un datu zinātni. 2014: Python 3.4.0 izlaišana. Python 3.4.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo programmēšanas valodu AI attīstībai. Git 2.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo versiju kontroles sistēmu programmatūras izstrādei. Linux Kernel 3.15 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo operētājsistēmas kodolu AI infrastruktūrai. Linux Kernel, Linux Kernel - Wikipedia, LWN.net - Kernel Development 2014: Apache Hadoop 2.6.0 izlaišana. Apache Hadoop 2.6.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo sistēmu izplatītai uzglabāšanai un lielo datu apstrādei. Apache Kafka 0.8.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo izplatīto straumēšanas platformu reāllaika datu apstrādei. Apache Kafka, Apache Kafka - Wikipedia, Confluent - Kafka 2014: Apache Cassandra 2.1.0 izlaišana. Apache Cassandra 2.1.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo izplatīto NoSQL datubāzi lielo datu lietojumprogrammām. Apache Cassandra, Apache Cassandra - Wikipedia, DataStax - Cassandra 2014: Apache HBase 1.0.0 izlaišana. Apache HBase 1.0.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo izplatīto kolonnas orientēto datu bāzi lielo datu lietojumprogrammām. 2014: Apache Storm 0.9.0 izlaišana. Apache Storm 0.9.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo izplatīto reāllaika aprēķinu sistēmu lielo datu apstrādei. 2014: Apache Flink 0.9.0 izlaišana. Apache Flink 0.9.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo sadalīto straumēšanas apstrādes sistēmu lielo datu lietojumprogrammām. Apache Flink, Apache Flink - Wikipedia, Ververica - Flink 2014: Apache Beam 0.1.0 izlaišana. Apache Beam 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo vienoto programmēšanas modeli partiju un straumēšanas datu apstrādei. 2014: Apache Airflow 0.1.0 izlaišana. Apache Airflow 0.1.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo platformu darba plūsmu programmatiskai rakstīšanai, plānošanai un uzraudzībai. 2014: Apache Zeppelin 0.1.0 izlaišana. Apache Zeppelin 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo tīmekļa bāzes piezīmju grāmatiņu interaktīvai datu analīzei un vizualizācijai. 2014: Apache Superset 0.1.0 izlaišana. Apache Superset 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo mūsdienu, uzņēmējdarbības inteliģences tīmekļa lietojumprogrammu. Apache Superset, Apache Superset - Wikipedia, Preset - Superset 2014: Apache Druid 0.1.0 izlaišana. Apache Druid 0.1.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo reāllaika analītikas datubāzi lielo datu lietojumprogrammām. Apache Druid, Apache Druid - Wikipedia, Imply - Druid 2014: Apache Pinot 0.1.0 izlaišana. Apache Pinot 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo reāllaika OLAP datu krājumu lielo datu lietojumprogrammām. Apache Pinot, Apache Pinot - Wikipedia, LinkedIn - Pinot 2014: Apache Pulsar 0.1.0 izlaišana. Apache Pulsar 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo mākonī dzimto izplatīto ziņojumu un straumēšanas platformu. Apache Pulsar, Apache Pulsar - Wikipedia, StreamNative - Pulsar Apache NiFi 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo datu plūsmas pārvaldības un apstrādes sistēmu. Apache NiFi, Apache NiFi - Wikipedia, Cloudera - NiFi 2014: Apache Ranger 0.1.0 izlaišana. Apache Ranger 0.1.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo sistēmu visaptverošas datu drošības nodrošināšanai, uzraudzībai un pārvaldībai visā Hadoop platformā. 2014: Apache Atlas 0.1.0 izlaišana. Apache Atlas 0.1.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo datu pārvaldības un metadatu pārvaldības sistēmu visā Hadoop platformā. 2014: Apache Knox 0.1.0 izlaišana. Apache Knox 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo lietojumprogrammu vārti, lai nodrošinātu un uzraudzītu piekļuvi Apache Hadoop klasteriem. Apache Knox, Apache Knox - Wikipedia, Hortonworks - Knox 2014: Apache Ambari 2.0.0 izlaišana. Apache Ambari 2.0.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo platformu Apache Hadoop klasteriem. Apache Ambari, Apache Ambari - Wikipedia, Hortonworks - Ambari 2014: Apache Oozie 4.0.0 izlaišana. Apache Oozie 4.0.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo darba plūsmas plānošanas sistēmu Apache Hadoop darbu pārvaldīšanai. 2014: Apache Hive 0.13.0 izlaišana. Apache Hive 0.13.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo datu noliktavu programmatūru, lai vaicātu un pārvaldītu lielus datu kopumus, kas tiek glabāti izplatītajā glabāšanā. Apache Pig 0.14.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo platformu lielo datu kopu analīzei, izmantojot augsta līmeņa valodu datu analīzes programmām. 2014: Apache Sqoop 1.4.0 izlaišana. Apache Sqoop 1.4.0 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo rīku efektīvai liela apjoma datu pārsūtīšanai starp Apache Hadoop un strukturētiem datu krājumiem. Apache Sqoop, Apache Sqoop - Wikipedia, Cloudera - Sqoop Apache Flume 1.5.0 Release. Apache Flume 1.5.0 introduced improved performance and new features, maintaining its position as the leading distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data. , , 2014: Apache Flume Apache Flume - Wikipedia Cloudera - Flume 2014: Apache Mahout 0.9.0 izlaišana. Apache Mahout 0.9.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo mērogojamo mašīntulkošanas bibliotēku Apache Hadoop. Apache Mahout, Apache Mahout - Wikipedia, Cloudera - Mahout Apache Giraph 1.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo iteratīvo grafikas apstrādes sistēmu Apache Hadoop. Apache Giraph, Apache Giraph - Wikipedia, Facebook - Giraph Apache Tez 0.5.0 Release. Apache Tez 0.5.0 introduced improved performance and new features, maintaining its position as the leading application framework for creating YARN applications that perform complex directed-acyclic-graph (DAG) tasks. , , 2014: Apache Tez Apache Tez - Wikipedia Hortonworks - Tez 2014: Apache YARN 2.6.0 izlaišana. Apache YARN 2.6.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo resursu pārvaldības un darba grafika tehnoloģiju Apache Hadoop. 2014: Apache HDFS 2.6.0 izlaišana. Apache HDFS 2.6.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo izplatīto failu sistēmu, kas nodrošina augstas veiktspējas piekļuvi pieteikumu datiem. Apache HDFS, Apache HDFS - Wikipedia, Cloudera - HDFS 2014: Apache Zookeeper 3.4.6 izlaišana. Apache Zookeeper 3.4.6 ieviesa uzlabotas veiktspējas un jaunas funkcijas, saglabājot savu pozīciju kā vadošo centralizēto pakalpojumu konfigurācijas informācijas uzturēšanai, nosaukšanai, izplatītas sinhronizācijas nodrošināšanai un grupas pakalpojumu sniegšanai. 2014: Apache Avro 1.7.7 izlaišana. Apache Avro 1.7.7 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo datu serializācijas sistēmu Apache Hadoop. 2014: Apache Parquet 1.0.0 izlaišana. Apache Parquet 1.0.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo kolonnu uzglabāšanas formātu Apache Hadoop. Apache Parquet, Apache Parquet - Wikipedia, Cloudera - Parquet 2014: Apache ORC 1.0.0 izlaišana. Apache ORC 1.0.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo kolonnu uzglabāšanas formātu Apache Hadoop. 2014: Apache Thrift 0.9.3 izlaišana. Apache Thrift 0.9.3 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo programmatūras sistēmu skalējamu starpvalodu pakalpojumu attīstībai. Apache Thrift, Apache Thrift - Wikipedia, Facebook - Thrift Apache Protocol Buffers 2.6.1 Release. Apache Protocol Buffers 2.6.1 introduced improved performance and new features, maintaining its position as the leading language-neutral, platform-neutral, extensible mechanism for serializing structured data. , , 2014: Protocol Buffers Protocol Buffers - Wikipedia Google - Protocol Buffers 2014: Apache Arrow 0.1.0 izlaišana. Apache Arrow 0.1.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo kolonnas atmiņas analītikas slāni lielām datu sistēmām. 2014: Apache Calcite 1.0.0 izlaišana. Apache Calcite 1.0.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo sistēmu datu bāzes pārvaldības sistēmām. Apache Calcite, Apache Calcite - Wikipedia, Hortonworks - Calcite 2014: Apache Drill 1.0.0 izlaišana. Apache Drill 1.0.0 ieviesa uzlabotu veiktspēju un jaunas funkcijas, saglabājot savu pozīciju kā vadošo shēmu bezmaksas SQL vaicājumu dzinēju Hadoop, NoSQL un mākoņa uzglabāšanai. 2015. gada 21. janvāris: "Ex Machina" filma.Alex Garland izsmalcinātā AI apziņas pārbaude un Turinga tests ieguva Akadēmijas balvu par vizuālajiem efektiem un piedāvāja niansētu AI ētikas un dzimumu dinamikas izpēti. 2015. gada 11. februāris: Batch Normalization. Ioffe un Szegedy tehnika normalizēja slāņa ieejas, kas ļauj apmācīt daudz dziļākus tīklus ar augstāku mācīšanās ātrumu, sasniedzot tādu pašu precizitāti ar 14x mazāk apmācības soļiem. ResNet Deep Networks. Kaiming He's revolutionary skip connections enabled training extremely deep networks (152 layers), achieving 3.57% error on ImageNet and winning ILSVRC 2015, fundamentally changing neural network architecture. , , December 10, 2015: ArXiv Microsoft Research Computer Vision Foundation 2015. gada 14. oktobris: Tesla Autopilot Launch.Pirmais komerciāli izvietotais AI braukšanas atbalsts, izmantojot neironu tīklus, patēriņa transportlīdzekļiem deva AI darbināmu autonomiju, demonstrējot praktiskas AI lietojumprogrammas transporta drošībā. 2016. gada 9. un 15. marts: AlphaGo uzvar Lee Sedol. DeepMind AlphaGo uzvarēja pasaules čempioni Go 4-1, demonstrējot AI var apgūt sarežģītas stratēģiskās spēles, kas iepriekš tika uzskatītas par neiespējamiem datoriem, šokējot AI un Go kopienas visā pasaulē. 2016. gada 23. marts: Microsoft Tay incidents. Microsoft Tay čatbots kļuva aizskarošs 16 stundu laikā, izmantojot trolling, demonstrējot AI mācīšanās riskus no neārstētas cilvēka mijiedarbības un nosakot nepieciešamību pēc AI drošības praksēm. 2016. gada novembris: Google Translate Neural System. Google pāriet uz neiroloģisko mašīntulkošanu, samazinot kļūdas par 60% naktī, demonstrējot dziļas mācīšanās pārveidojošo spēku valodu tulkošanai, kas kalpo miljardiem lietotāju. 'Attention Is All You Need' Paper. Vaswani et al. introduced Transformer architecture replacing recurrence entirely with attention mechanisms, becoming foundation for all modern large language models and revolutionizing AI. , , June 12, 2017: ArXiv Wikipedia ArXiv HTML Sabiedriskā cīņa starp Elona Muska brīdinājumu par AI eksistenciālo risku un Mark Zuckerberg optimismu radīja AI drošības bažas galvenajos plašsaziņas līdzekļos, izveidojot divas nometnes publiskajā AI diskusijā. 2017. gada 5. decembris: AlphaZero Masters trīs spēles. vienotais algoritms iemācījās šahu, shogi un Go no nulles līdz pašspēlei bez cilvēka zināšanām, 24 stundu laikā sasniedzot pārcilvēcisku sniegumu visās trīs spēlēs. Wikipedia, IBM, TOPBOTS 2018. gada oktobris: BERT valodas modelis. „Google” divvirzienu transformators revolucionizēja dabiskās valodas izpratni 11 NLP uzdevumos un līdz 2019. gada decembrim tika integrēts „Google” meklējumos vairāk nekā 70 valodās, apkalpojot miljardus. 2019. gada februāris: GPT-2 "Too Dangerous" izlaišana. OpenAI 1.5B parametru modelis sākotnēji tika uzskatīts par "pārāk bīstamu izlaišanai" sakarā ar teksta ģenerēšanas iespējām, kas izraisīja globālas debates par AI drošību un atbildīgu izlaišanas praksi. Google Achieves Quantum Supremacy. Google's Sycamore processor performed calculation in 200 seconds that would take classical supercomputers 10,000 years, potentially accelerating certain AI computations exponentially in the future. , , October 23, 2019: Wikipedia Neptune.ai Zapier 2020. gada 11. jūnijs: GPT-3 uzsākšana. OpenAI 175B parametru modelis demonstrēja nepieredzētu dažu šāvienu mācīšanos ar teksta ģenerācijas kvalitātes cilvēka novērtētājiem, kuri centās atšķirt no cilvēka rakstīšanas, atzīmējot jaunu laikmetu AI spējās. Novembris 2020: AlphaFold 2 Protein Folding. DeepMind atrisināja 50 gadus veco lielo izaicinājumu bioloģijā ar 92,4% precizitāti, paredzot olbaltumvielu struktūras, potenciāli revolucionējot zāļu atklāšanu un bioloģiskos pētījumus visā pasaulē. AI Art Kingdom, OpenAI DALL-E, HackerNoon - Generative AI Art 2020. gada 22. oktobris: Vision Transformer (ViT). pirmais tīrais transformators, kas tieši pielietots attēliem, sasniedza lieliskus rezultātus salīdzinājumā ar CNN ar mazāk aprēķinu resursiem, kas atzīmē transformatoru veiksmīgu pāreju no NLP uz datora redzi. 2. decembris, 2020: Timnit Gebru Firing. „Google” atlaišana no ētikas AI komandas, kas vadīja papīru, apšaubot lielus valodas modeļus, izraisīja nozares mēroga strīdus par AI ētikas pētījumu neatkarību un korporatīvo AI pārvaldību. 2021. gada 5. janvāris: DALL-E Text-to-Image. OpenAI 12B parametru modelis, kas ģenerē attēlus no teksta aprakstiem, parādīja ievērojamu spēju plaši apvienot nesaistītus jēdzienus, paverot jaunu laikmetu multimodālajiem AI lietojumiem. 2021. gada 29. jūnijs: GitHub Copilot. pirmais lielais kodēšanas AI komerciālais pielietojums pārveidoja programmatūras izstrādes praksi, demonstrējot lielo valodu modeļu praktisko pielietojumu programmēšanas palīdzībai. 2021. gada 22. jūlijs: AlphaFold datu bāzes uzsākšana. DeepMind izlaida 365.000+ olbaltumvielu struktūras, kas līdz 2024. gadam paplašinās līdz 200+ miljoniem, demokratizējot piekļuvi olbaltumvielu struktūras prognozēm un paātrinot globālos bioloģiskos pētījumus. Stable Diffusion Open Source. First widely accessible open-source image generation model democratized AI art creation, enabling millions to generate images locally and spurring explosive growth in AI creativity tools. , , August 22, 2022: DemandSage Wisernotify CBS News 2022. gada 30. novembrī: ChatGPT uzsākšana. OpenAI sarunu AI sasniedza 1 miljonu lietotāju 5 dienu laikā un 100 miljonus 2 mēnešu laikā, kļūstot par vēsturē visstraujāk augošo patērētāju lietojumprogrammu un ieviešot AI mainstream apziņā. atslēgvārdi Visur, TIME, Notta Augusts 2022: AI Art Wins Competition.Jason Allena Midjourney ģenerētais "Théâtre D'opéra Spatial" uzvarēja Colorado State Fair mākslas konkursā, izraisot globālas debates par AI radošumu, māksliniecisko autentiskumu un cilvēka radošā darba nākotni. 2023. gada 23. janvāris: Microsoft iegulda 10 miljardus ASV dolāru OpenAI. „Microsoft” masveida ieguldījums OpenAI radīja nepieredzētu tehnoloģisko partnerību, integrējot GPT Office/Azure un izveidojot jaunu modeli lielo tehnoloģiju AI sadarbībai un konkurencei. OpenAI GPT-4 ar redzes spējām iezīmēja ievērojamus uzlabojumus domāšanā, radošumā un multimodālajā izpratnē, nokārtojot bar eksāmenu un medicīnas licencēšanas testus cilvēka ekspertu līmenī. 2023. gada 29. martā “Pause Giant AI” atklātā vēstule. “Future of Life” institūta vēstule, ko parakstījuši vairāk nekā 30 000 cilvēku, tostarp Musks un Bengio, aicinot uz 6 mēnešu ilgu AI apmācību pārtraukumu, izraisīja globālas debates par AI pārvaldību un ietekmēja politiku visā pasaulē. 2023: AI uzņēmumi sasniedz $ 1B + vērtējumus. divdesmit AI jaunuzņēmumi kļuva par unikāliem 2023. gadā vien ar kombinētiem vērtējumiem, kas pārsniedz $ 100 miljardus, demonstrējot nepieredzētu ieguldītāju uzticību un izveidojot AI kā dominējošo tehnoloģiju nozari. 2023. gada 30. maijā: NVIDIA sasniedza 1 triljonu ASV dolāru tirgus kapitālu. NVIDIA kļuva par pirmo mikroshēmu ražotāju, kas sasniedza 1 triljonu ASV dolāru vērtējumu, ko vadīja AI mikroshēmu pieprasījums, vēlāk sasniedzot 3 triljonus ASV dolāru 2024. gadā, demonstrējot mākslīgā intelekta milzīgo ekonomisko ietekmi uz aparatūras nozari. 2023. gada 11. jūlijs: Claude 2 100K konteksts. Anthropic's Claude 2 ar 100 000 žetonu kontekstuālo logu ļāva apstrādāt visas grāmatas vienos ielūgumos, demonstrējot jaunas iespējas ilgformāta dokumentu analīzei un argumentācijai. 2023. gada 18. jūlijs: Meta Llama 2 atvērtā koda. Meta izlaida Llama 2 modeļus (7B-70B parametri) komerciālai lietošanai, demokratizējot piekļuvi robežu AI iespējām un izaicinot slēgtā koda modeļa domināciju. Jūlijs 2023: Koda tulkotājs (GPT-4). OpenAI Koda tulkotājs ļāva ChatGPT izpildīt Python kodu un analizēt datus, pārveidojot to no teksta ģeneratora uz aprēķinu problēmu risinātāju, ko miljoniem izmanto analīzei. Pirmā lielā ASV federālā AI regula prasīja drošības testēšanu un ziņošanu par spēcīgām AI sistēmām, izveidojot valdības uzraudzības sistēmu un ietekmējot globālās AI pārvaldības pieejas. 2023. gada 1. novembris: Microsoft Copilot pakalpojumā Office 365. AI integrācija Word, Excel, PowerPoint ieviesa ģeneratīvo AI simtiem miljonu Office lietotāju par 30 ASV dolāriem mēnesī, kas ir lielākais uzņēmumu AI izplatīšana vēsturē. 2023. gada 6. decembris: Gemini Multimodal Model. Google Gemini atbilst GPT-4 veiktspējai, bet ir multimodāls no pamatnes, apstrādājot tekstu, attēlus, video un audio dabiski, virzoties uz cilvēka līdzīgu AI izpratni. Google DeepMind Blog, Nature, MIT Technology Review NYT Sues OpenAI. New York Times lawsuit for copyright infringement using millions of articles for training raised fundamental questions about AI training data rights, fair use, and content creator compensation. , , December 27, 2023: NYT Legal Filing NPR Columbia Journalism Review 2024. gada 15. februāris: Sora Video Model paziņots.OpenAI Sora ģenerēja fotoreālistiskus minūšu garus video no teksta, nosakot jaunus standartus AI video kvalitātei un izraisot bažas par dziļajiem faktiem un dezinformāciju.OpenAI Blog, MIT Technology Review, The Verge 2024. gada 4. marts: Claude 3 Opus. Anthropic Claude 3 Opus atbilst vai pārsniedz GPT-4 lielākajā daļā kritēriju, vienlaikus saglabājot spēcīgas drošības īpašības, pastiprinot konkurenci robežmodelu izstrādē. 2024. gada 13. maijs: GPT-4o Omni modelis. OpenAI GPT-4o nodrošināja reāllaika balss, redzes un teksta mijiedarbību ar cilvēka līdzīgu reakcijas laiku, kas ir nozīmīgs solis uz dabisku cilvēka-AI sarunu virzienu. Pasaules pirmā visaptverošā AI regula stājas spēkā ar uz risku balstītu pieeju un aizliegumiem attiecībā uz dažiem AI lietojumiem, radot globālu precedentu AI pārvaldībai un atbilstības prasībām. 2024. gada 23. jūlijs: Llama 3.1 405B parametri. Meta atvērtā koda 405B parametru modelis atbilst slēgtā koda veiktspējai, demokratizē robežu AI iespējas un pierāda, ka atvērtā koda var konkurēt ar patentētajiem modeļiem. Meta AI Blog, Hugging Face, MIT Technology Review OpenAI vērtība pēdējā finansējuma kārtā sasniedza 157 miljardus ASV dolāru, padarot to par vienu no pasaules vērtīgākajiem privātajiem uzņēmumiem un demonstrējot AI pārveidošanos par lielu ekonomisko spēku. 2024. gada augusts: ChatGPT sasniedz 200 miljonus iknedēļas lietotāju. ChatGPT divkāršoja lietotājus no 100 miljoniem līdz 200 miljoniem mazāk nekā gadā ar 5,72 miljardiem ikmēneša apmeklējumu, demonstrējot nepieredzētu ilgstošu izaugsmi un AI kļūstot par ikdienas dzīves sastāvdaļu visā pasaulē. 2025: Google AI pakalpojumi sasniedza miljardu ikdienas aktīvo lietotāju visā meklēšanā, Gmail, Maps un citos produktos, atzīmējot AI pilnīgu integrāciju ikdienas digitālajā infrastruktūrā, kas kalpo cilvēcei bezprecedenta mērogā. Have we missed any key events that matter to the present and future of AI and humanity's role in it? Comment below - all comments are reviewed for addition to Tātad AI vēsture Timeline