از پرسش تورینگ در سال ۱۹۵۰ تا نگرانی از نابودی بشر به دست هوش مصنوعی؛ تاریخچه ماشین‌های متفکر
امروزه هوش مصنوعی در موتورهای جست‌وجو، تلفن‌های هوشمند، نرم‌افزارهای محیط کار و پژوهش‌های علمی حضور دارد. نام این حوزه در کارگاهی تابستانی در سال ۱۹۵۶ شکل گرفت، اما ایده ماشین‌هایی که بتوانند فکر کنند قدمتی بسیار بیشتر دارد. نویسندگان قرن‌ها پیش از آنکه مهندسان بتوانند چنین ماشین‌هایی بسازند، آن‌ها را در آثار خود تصور کرده بودند.
مسیر تبدیل این ایده‌های اولیه به چت‌بات‌ها و عامل‌های هوشمند امروزی هموار نبوده است. این مسیر دو دوره طولانی کاهش بودجه و سرمایه‌گذاری را پشت سر گذاشته که به زمستان‌های هوش مصنوعی معروف‌اند؛ همچنین شاهد رقابت‌های عمومی متعددی میان انسان‌ها و ماشین‌ها بوده است. از سال ۲۰۲۲ نیز شرکت‌های فناوری با سرعتی فزاینده تلاش کرده‌اند هوش مصنوعی مولد را در اختیار صدها میلیون نفر قرار دهند. در ادامه، روند شکل‌گیری و تحول این حوزه به تفکیک سال مرور می‌شود.
۱۷۲۶: جاناتان سویفت در کتاب سفرهای گالیور دستگاهی بزرگ و مکانیکی به نام «ماشین» را توصیف می‌کند که دانشمندان از آن برای تولید ایده‌ها، جمله‌ها و کتاب‌ها استفاده می‌کنند. آن‌ها دسته‌هایی را می‌چرخانند که به بلوک‌های چوبی حک‌شده با واژه‌ها متصل‌اند و دستگاه با ترکیب این واژه‌ها، آرایش‌های تازه‌ای می‌سازد. این هجو ادبی، شکلی مکانیکی از تولید متن را به تصویر می‌کشد.
۱۹۱۴: لئوناردو تورس ای کوئبدو، مهندس اسپانیایی، دستگاه «ال آجدِثریستا» را در پاریس به نمایش می‌گذارد. این دستگاه نخستین ماشین شطرنج‌باز به شمار می‌رود. ماشین با استفاده از آهن‌رباهای الکتریکی، بدون نیاز به دخالت انسان پس از راه‌اندازی، یک وضعیت ساده پایانی شطرنج را که در آن شاه و رخ در برابر شاه قرار دارند، بازی می‌کند. دستگاه حرکت غیرقانونی حریف را اعلام می‌کند و هرگاه در موقعیت برنده باشد، با اطمینان مات می‌کند.
۱۹۲۱: نمایشنامه R.U.R.، نوشته کارل چاپک، واژه «ربات» را وارد ادبیات می‌کند. واژه چکی «robota» با کار اجباری دهقانان در نظام فئودالی ارتباط دارد. ربات‌های نمایشنامه موجوداتی زیستی‌اند، اما پس از موفقیت اثر، این واژه به‌تدریج برای اشاره به ماشین‌های انسان‌نمای مکانیکی ساخته‌شده برای انجام کارهای تکراری به کار می‌رود.
۱۹۳۹: جان وینسنت آتاناسوف، استاد فیزیک و ریاضیات در کالج ایالتی آیووا، به همراه دانشجوی تحصیلات تکمیلی خود، کلیفورد بری، با کمک کمک‌هزینه‌ای ۶۵۰ دلاری رایانه آتاناسوف–بری را می‌سازند. این دستگاه یکی از نخستین رایانه‌های دیجیتال الکترونیکی است. در آن، داده‌ها به‌جای دستگاه ده‌دهی با دستگاه دودویی نمایش داده می‌شوند، مدارهای الکترونیکی جای قطعات مکانیکی را می‌گیرند و حافظه از بخش پردازش جداست؛ طرحی که رایانه‌های امروزی نیز همچنان از آن پیروی می‌کنند. این ماشین بیش از ۳۱۷ کیلوگرم وزن دارد، از حدود ۳۰۰ لامپ خلأ استفاده می‌کند و می‌تواند حداکثر ۲۹ معادله خطی را به‌طور هم‌زمان حل کند، هرچند هرگز به مرحله بهره‌برداری کامل نمی‌رسد. در همان سال، شرکت وستینگهاوس رباتی به نام «الکترو» را که با رله کار می‌کند، در نمایشگاه جهانی معرفی می‌کند. این ربات با آهنگ فرمان‌های گفتاری واکنش نشان می‌دهد، سر و بازوهایش را حرکت می‌دهد و لطیفه‌هایی را که روی صفحات گرامافون ۷۸ دور ضبط شده‌اند، پخش می‌کند.
۱۹۴۱: داستان کوتاه «دروغگو!» نوشته آیزاک آسیموف در شماره ماه مه مجله Astounding Science Fiction منتشر می‌شود. تصور می‌شود این اثر نخستین کاربرد شناخته‌شده واژه «رباتیک» را در خود داشته باشد.
۱۹۴۳: وارن اس. مک‌کالاک و والتر پیتس مقاله یک حساب منطقی از ایده‌های نهفته در فعالیت عصبی را در نشریه Bulletin of Mathematical Biophysics منتشر می‌کنند. این مقاله مغز را یک سامانه محاسباتی در نظر می‌گیرد و ایده شبکه‌های عصبی مصنوعی را مطرح می‌کند. پژوهشگران بعدی با تکیه بر این ایده، فناوری یادگیری عمیق را توسعه می‌دهند.
۱۹۴۸: نوربرت وینر کتاب سایبرنتیک را منتشر می‌کند؛ اثری که بر پژوهش‌های هوش مصنوعی و سامانه‌های کنترل تأثیر می‌گذارد. این کتاب از فعالیت‌های وینر در دوران جنگ جهانی دوم روی سامانه‌های ضدهوایی الهام گرفته شده است؛ سامانه‌هایی که مسیر حرکت هواپیماهای دشمن را بر اساس تصاویر راداری پیش‌بینی می‌کردند. وینر واژه «سایبرنتیک» را از واژه‌ای یونانی به معنای «سکان‌دار» گرفته است.
۱۹۴۹: روزنامه تایمز لندن در ۱۱ ژوئن از آلن تورینگ، ریاضی‌دان بریتانیایی، نقل می‌کند: «نمی‌بینم چرا ماشین نباید وارد هر یک از حوزه‌هایی شود که معمولاً در قلمرو عقل انسان قرار دارند و سرانجام در شرایط برابر با انسان رقابت کند. حتی فکر نمی‌کنم بتوانید شعر غزل را از این حوزه مستثنا کنید؛ هرچند این مقایسه شاید کمی ناعادلانه باشد، چون غزلی که یک ماشین نوشته باشد، احتمالاً برای ماشینی دیگر ارزش بیشتری خواهد داشت.»
۱۹۵۰: تورینگ مقاله «ماشین‌های محاسباتی و هوش» را در نشریه Mind منتشر می‌کند. او به‌جای پاسخ مستقیم به پرسش «آیا ماشین‌ها می‌توانند فکر کنند؟»، بازی تقلید را پیشنهاد می‌دهد؛ آزمونی که امروزه به آزمون تورینگ معروف است. پرسش اصلی این است که آیا ماشین می‌تواند رفتاری نشان دهد که نتوان آن را از رفتار انسان تشخیص داد؟ در همین سال، آسیموف مجموعه من، ربات را نیز منتشر می‌کند که شامل ۹ داستان کوتاه است. در این داستان‌ها، ربات‌ها باید از سه قانون رباتیک پیروی کنند؛ قوانینی که مانع آسیب‌رساندن آن‌ها به انسان‌ها می‌شود.
۱۹۵۱: ماروین مینسکی و دین ادموندز دستگاه SNARC، مخفف «رایانه آنالوگ تصادفی تقویت عصبی»، را می‌سازند که نخستین شبکه عصبی مصنوعی به شمار می‌رود. این ماشین آنالوگ با استفاده از حدود ۳۰۰۰ لامپ خلأ، ۴۰ واحد شبیه نورون را شبیه‌سازی می‌کند. دستگاه فرایند یادگیری یک موش برای یافتن مسیر خروج از هزارتو را بر اساس آزمون‌وخطا، پاداش و تنبیه مدل‌سازی می‌کند. در همان سال، ادموند برکلی، از پیشگامان رایانه، ربات سنجابی به نام «اسکیو» می‌سازد که با حسگرهای نوری و کلیدهای تماسی توپ‌های تنیس را پیدا می‌کند و به لانه خود می‌کشاند.
۱۹۵۵: جان مک‌کارتی از کالج دارتموث، ماروین مینسکی از دانشگاه هاروارد، ناتانیل روچستر از شرکت آی‌بی‌ام و کلود شنون از آزمایشگاه‌های تلفن بل، پیشنهاد برگزاری «پروژه پژوهشی تابستانی دارتموث درباره هوش مصنوعی» را ارائه می‌کنند. این نخستین کاربرد اصطلاح «هوش مصنوعی» است و ابداع این اصطلاح به مک‌کارتی نسبت داده می‌شود.
۱۹۵۶: کارگاه دارتموث در ماه‌های ژوئیه و اوت در هانوفر ایالت نیوهمپشایر برگزار می‌شود. این رویداد عموماً نقطه آغاز رسمی هوش مصنوعی به شمار می‌رود. در همان سال، رباتی به نام «رابی» در فیلم علمی‌تخیلی سیاره ممنوعه محصول شرکت مترو گلدوین مایر ظاهر می‌شود و اسباب‌بازی‌های برگرفته از آن فروش چشمگیری پیدا می‌کنند.
۱۹۵۷: فرانک روزنبلات، روان‌شناس و دانشمند علوم رایانه، پرسپترون را توسعه می‌دهد؛ شبکه‌ای عصبی اولیه که با تنظیم وزن ورودی‌های خود، یادگیری تشخیص الگوها را انجام می‌دهد. این شبکه فقط قادر به حل دسته محدودی از مسائل است، اما زمینه را برای توسعه شبکه‌های عصبی بعدی فراهم می‌کند.
۱۹۵۸: مک‌کارتی که در آن زمان در مؤسسه فناوری ماساچوست (MIT) فعالیت می‌کند، زبان برنامه‌نویسی لیسپ را ابداع می‌کند. نام این زبان کوتاه‌شده عبارت «پردازش فهرست» است. در لیسپ، برنامه‌ها و داده‌ها هر دو به شکل فهرست نمایش داده می‌شوند؛ بنابراین یک برنامه می‌تواند برنامه‌ای دیگر یا حتی خودش را همچون داده پردازش کند. لیسپ به پرکاربردترین زبان در پژوهش‌های هوش مصنوعی تبدیل می‌شود.
۱۹۵۹: آرتور ساموئل برنامه‌ای برای بازی چکرز می‌نویسد که با کسب تجربه بهتر می‌شود و سرانجام از خود او نیز بهتر بازی می‌کند. ابداع اصطلاح «یادگیری ماشین» به فعالیت‌های او نسبت داده می‌شود. الیور سلفریج مدل اولیه‌ای برای تشخیص الگو با عنوان Pandemonium: A Paradigm for Learning منتشر می‌کند. مک‌کارتی نیز ایده برنامه «Advice Taker» را مطرح می‌کند؛ برنامه‌ای که قرار است با استفاده از منطق صوری و دانش متعارف استدلال کند.
۱۹۶۱: یونی‌میت، نخستین ربات صنعتی تولیدانبوه، کار خود را در شرکت جنرال موتورز آغاز می‌کند. این بازوی رباتیک ۱۸۱۴ کیلوگرمی را جو انگلبرگر و جورج دول طراحی کرده‌اند. دستگاه با اجرای فرمان‌های ذخیره‌شده روی یک درام مغناطیسی، قطعات فلزی داغی را که با ریخته‌گری تحت فشار ساخته شده‌اند، روی هم می‌چیند.
۱۹۶۵: هیوبرت دریفوس، فیلسوف، کتاب کیمیاگری و هوش مصنوعی را منتشر می‌کند. او استدلال می‌کند که ذهن انسان اساساً متفاوت از رایانه عمل می‌کند و محدودیت‌هایی را برای پیشرفت هوش مصنوعی پیش‌بینی می‌کند. در همین سال، آی. جی. گود، ریاضی‌دان، مقاله گمانه‌زنی‌هایی درباره نخستین ماشین فوق‌هوشمند را می‌نویسد. او استدلال می‌کند که یک ماشین فوق‌هوشمند می‌تواند ماشین‌هایی حتی هوشمندتر از خود طراحی کند و در صورت قابل‌کنترل‌بودن، به آخرین اختراع بشر تبدیل شود. همچنین ادوارد فایگنباوم، بروس بوکانن، جاشوا لدر‌برگ و کارل جراسی در دانشگاه استنفورد نخستین سامانه خبره را توسعه می‌دهند. این سامانه که DENDRAL نام دارد، با استفاده از قواعد «اگر ـ آنگاه» ساختار مولکولی ترکیبات آلی را شناسایی می‌کند و در برخی موارد از متخصصان انسانی دقیق‌تر عمل می‌کند.
۱۹۶۶: جوزف وایزنباوم برنامه الایزا را تکمیل می‌کند؛ برنامه‌ای که به زبان طبیعی گفت‌وگو می‌کند. در شناخته‌شده‌ترین حالت آن، موسوم به DOCTOR، پاسخ‌ها به شیوه یک روان‌درمانگر ارائه می‌شوند. هدف وایزنباوم این بود که سطحی‌بودن گفت‌وگو میان انسان و رایانه را نشان دهد، اما از اینکه بسیاری از کاربران برای این برنامه احساسات انسانی قائل می‌شوند، شگفت‌زده می‌شود. در اواخر دهه ۱۹۶۰، مؤسسه پژوهشی استنفورد ربات متحرک شِیکی را توسعه می‌دهد که نخستین ربات متحرک قادر به استدلال درباره اعمال خود به شمار می‌رود. مینسکی در مقاله‌ای در مجله Life در سال ۱۹۷۰ پیش‌بینی می‌کند که هوش مصنوعی ظرف سه تا هشت سال به سطح هوش عمومی یک انسان متوسط خواهد رسید.
۱۹۶۹: آرتور برایسون و یوچی هو، پس‌انتشار خطا را به‌عنوان روشی برای بهینه‌سازی سامانه‌های چندمرحله‌ای تشریح می‌کنند. این روش بعدها به یکی از پایه‌های اصلی آموزش شبکه‌های عصبی تبدیل می‌شود. مینسکی و سیمور پاپرت کتاب پرسپترون‌ها را منتشر می‌کنند که تحلیلی انتقادی از شبکه‌های عصبی تک‌لایه ارائه می‌دهد. این کتاب اغلب یکی از عوامل کاهش علاقه به این حوزه دانسته می‌شود.
۱۹۷۰: تری وینوگراد برنامه SHRDLU را می‌سازد که دستورهای نوشته‌شده به انگلیسی ساده را دریافت می‌کند و بر اساس آن‌ها اشیاء را در یک دنیای مجازی متشکل از بلوک‌ها جابه‌جا می‌کند. این برنامه تنها در محیط‌هایی با ساختار و قواعد بسیار محدود به‌خوبی کار می‌کند.
۱۹۷۲: دانشگاه استنفورد سامانه خبره MYCIN را توسعه می‌دهد که به پزشکان در تشخیص عفونت‌های باکتریایی کمک می‌کند و آنتی‌بیوتیک پیشنهاد می‌دهد. این سامانه به دلیل ملاحظات اخلاقی و حقوقی هرگز در فعالیت بالینی به کار گرفته نمی‌شود. در همان سال، ویلیام وودز و همکارانش در شرکت بولت، برانک و نیومن، سامانه LUNAR را تکمیل می‌کنند. این سامانه به زمین‌شناسان امکان می‌دهد داده‌های تجزیه شیمیایی سنگ‌های ماه جمع‌آوری‌شده در مأموریت آپولو ۱۱ را جست‌وجو و بررسی کنند.
۱۹۷۳: جیمز لایت‌هیل گزارشی به شورای پژوهش‌های علمی بریتانیا ارائه می‌دهد و نتیجه می‌گیرد که هوش مصنوعی نتوانسته است به وعده‌های اولیه خود عمل کند. بودجه دولتی بریتانیا برای این حوزه به‌شدت کاهش می‌یابد و گزارش او به آغاز نخستین زمستان هوش مصنوعی، یعنی دوره افت علاقه و سرمایه‌گذاری، کمک می‌کند. در طول این دهه، تردیدها درباره توانایی‌های واقعی این فناوری باعث کاهش بودجه پژوهش‌های هوش مصنوعی می‌شود.
۱۹۷۷: ربات‌های سی‌تری‌پی‌او و آر‌تو‌دی‌تو در فیلم جنگ ستارگان ظاهر می‌شوند و تصور ماشین‌های یاری‌رسان را به مخاطبان گسترده معرفی می‌کنند.
۱۹۷۸: شرکت تگزاس اینسترومنتس دستگاه آموزشی سخنگوی Speak & Spell را برای کودکان عرضه می‌کند. این دستگاه نخستین محصولی است که مجرای صوتی انسان را به‌صورت الکترونیکی روی یک تراشه بازتولید می‌کند.
۱۹۸۰: دانشگاه واسدا در ژاپن ساخت ربات انسان‌نمای WABOT-2 را آغاز می‌کند؛ رباتی که حدود سال ۱۹۸۴ تکمیل می‌شود. این ربات با استفاده از دوربین‌هایی که نقش چشم را دارند، نت‌های موسیقی را می‌خواند، با انسان‌ها صحبت می‌کند و ارگ الکترونیکی می‌نوازد.
۱۹۸۲: ژاپن پروژه «سامانه‌های رایانه‌ای نسل پنجم» را آغاز می‌کند؛ برنامه‌ای دولتی برای ساخت رایانه‌هایی که توانایی استدلال منطقی داشته باشند. در دهه ۱۹۸۰، علاقه شرکت‌ها به هوش مصنوعی نیز دوباره افزایش می‌یابد. پروژه ژاپن در سال ۱۹۹۲ متوقف می‌شود.
۱۹۸۴: راجر شنک و ماروین مینسکی در نشست سالانه انجمن پیشرفت هوش مصنوعی آمریکا هشدار می‌دهند که انتظارات اغراق‌آمیز از این فناوری به فروپاشی سرمایه‌گذاری منجر خواهد شد. ظرف سه سال، علاقه و بودجه بار دیگر کاهش می‌یابد و این دوره به زمستان دوم هوش مصنوعی معروف می‌شود. تا دهه ۱۹۹۰، سرمایه‌گذاران صبر خود را از دست می‌دهند و صدها شرکت تعطیل می‌شوند.
۱۹۸۶: دیوید روملهارت، جفری هینتون و رونالد ویلیامز مقاله یادگیری بازنمایی‌ها از طریق پس‌انتشار خطاها را منتشر می‌کنند. این پژوهش روش پس‌انتشار خطا را برای شبکه‌های عصبی به کار می‌گیرد و آموزش شبکه‌های چندلایه را امکان‌پذیر می‌کند. این کار به یکی از پایه‌های یادگیری عمیق مدرن تبدیل می‌شود.
۱۹۸۷: جان اسکالی، مدیرعامل اپل، در سخنرانی اصلی کنفرانس Educom ویدیویی با عنوان «ناوبر دانش» را معرفی می‌کند. در این ویدیو، استادی با یک دستیار دیجیتال صوتی گفت‌وگو می‌کند که از طریق شبکه به اطلاعات دسترسی دارد و آن‌ها را بازیابی می‌کند.
۱۹۸۸: جودیا پرل کتاب استدلال احتمالاتی در سامانه‌های هوشمند را منتشر می‌کند و در آن شبکه‌های بیزی را برای استدلال در شرایط عدم‌قطعیت معرفی می‌کند. او بعدها جایزه تورینگ سال ۲۰۱۱ را دریافت می‌کند. رولو کارپنتر نیز چت‌بات جابروکی را توسعه می‌دهد که از گفت‌وگو با انسان‌ها یاد می‌گیرد. در همین سال، پژوهشگران مرکز پژوهشی تی. جی. واتسون شرکت آی‌بی‌ام روشی آماری برای ترجمه ماشینی معرفی می‌کنند که با استفاده از ۲٫۲ میلیون جفت جمله انگلیسی و فرانسوی آموزش دیده است. بیشتر این جمله‌ها از مذاکرات پارلمان کانادا گردآوری شده بودند.
۱۹۸۹: یان لوکان و گروهی از پژوهشگران آزمایشگاه‌های بل شرکت ای‌تی‌اندتی از پس‌انتشار خطا برای آموزش یک شبکه عصبی کانولوشنی استفاده می‌کنند که کدهای پستی دست‌نویس را تشخیص می‌دهد. آموزش این شبکه حدود سه روز طول می‌کشد. در همان سال، برنامه شطرنج دیپ‌ثات دیوید لوی، استاد شطرنج، را شکست می‌دهد؛ او نخستین استاد شطرنجی است که در برابر رایانه شکست می‌خورد.
۱۹۹۳: ورنور وینج، نویسنده داستان‌های علمی‌تخیلی و ریاضی‌دان، مقاله تکینگی فناورانه در راه است را منتشر می‌کند. او پیش‌بینی می‌کند که ظرف ۳۰ سال، هوشی فراتر از توانایی انسان پدید خواهد آمد. این مقاله به رواج مفهوم «تکینگی فناورانه» کمک می‌کند.
۱۹۹۵: ریچارد والاس چت‌بات A.L.I.C.E. را توسعه می‌دهد که بر پایه الایزا ساخته شده است. این برنامه برای تولید پاسخ‌های خود از زبان تطبیق الگو به نام AIML استفاده می‌کند.
۱۹۹۷: در ۱۱ مه، رایانه دیپ‌بلو شرکت آی‌بی‌ام که می‌تواند در هر ثانیه ۲۰۰ میلیون وضعیت شطرنج را ارزیابی کند، رقابت با گری کاسپاروف، قهرمان وقت جهان، را با پیروزی به پایان می‌رساند. از شش بازی، دیپ‌بلو دو بازی را می‌برد، کاسپاروف یک بازی را پیروز می‌شود و سه بازی به تساوی می‌انجامند. این نخستین بار است که یک رایانه در شرایط زمانی استاندارد مسابقات، قهرمان وقت شطرنج جهان را شکست می‌دهد. این مسابقه در واقع دیدار مجدد دو طرف است، زیرا کاسپاروف در سال ۱۹۹۶ نسخه قبلی دیپ‌بلو را شکست داده بود. در همان سال، سپ هوخ‌رایتر و یورگن اشمیدهوبر شبکه حافظه کوتاه‌مدت و بلندمدت یا LSTM را معرفی می‌کنند. این نوع شبکه عصبی بازگشتی بعدها در تشخیص گفتار و دست‌خط کاربرد گسترده‌ای پیدا می‌کند.
۱۹۹۸: دیو همپتون و کلب چانگ عروسک رباتیک فیربی را می‌سازند که به نخستین حیوان خانگی رباتیک با موفقیت تجاری گسترده تبدیل می‌شود. این اسباب‌بازی در ابتدا به زبان ساختگی خود، «فوربیش»، صحبت می‌کند و به‌تدریج واژه‌های انگلیسی بیشتری به کار می‌برد. در همین سال، لوکان، یوشوا بنجیو و همکارانشان پژوهش‌های تأثیرگذاری درباره استفاده از شبکه‌های عصبی کانولوشنی برای تشخیص دست‌خط منتشر می‌کنند.
۲۰۰۰: سینتیا بریزیل در مؤسسه فناوری ماساچوست ربات کیزمت را توسعه می‌دهد. این ربات با استفاده از دوربین‌ها، میکروفون‌ها و چهره‌ای متحرک، نشانه‌های عاطفی انسان را تشخیص می‌دهد و به آن‌ها پاسخ می‌دهد. شرکت هوندا نیز ربات انسان‌نمای آسیمو را معرفی می‌کند که می‌تواند راه برود، از پله‌ها بالا برود، چهره‌ها را تشخیص دهد و به فرمان‌های صوتی پاسخ دهد. در مجموع، حدود ۱۰۰ دستگاه آسیمو ساخته می‌شود.
۲۰۰۱: گوگل استفاده از نوعی ساده از یادگیری ماشین را برای پیشنهاد اصلاح املای عبارت‌های جست‌وجو آغاز می‌کند.
۲۰۰۲: شرکت آی‌روبات جاروبرقی خودکار رومبا را عرضه می‌کند؛ دستگاهی که موانع را تشخیص می‌دهد و از برخورد با آن‌ها اجتناب می‌کند.
۲۰۰۵: استنلی، خودروی فولکس‌واگن توارگ بدون راننده که تیم مسابقه‌ای دانشگاه استنفورد آن را توسعه داده است، در رقابت بزرگ دارپا در نزدیکی لاس‌وگاس پیروز می‌شود. این خودرو مسیر صحرایی ۱۷۵ مایلی، معادل حدود ۲۸۲ کیلومتر، را در کمتر از هفت ساعت و بدون دخالت انسان طی می‌کند و جایزه دو میلیون دلاری را به دست می‌آورد.
۲۰۰۶: جفری هینتون مقاله یادگیری چندین لایه بازنمایی را منتشر می‌کند و در آن توضیح می‌دهد که چگونه می‌توان شبکه‌های چندلایه را مؤثرتر آموزش داد. این پژوهش نشانه تغییر مسیر تحقیقات به سوی رویکردی است که امروزه یادگیری عمیق نامیده می‌شود. گوگل نیز سرویس ترجمه گوگل را با پشتیبانی از زبان‌های عربی و انگلیسی راه‌اندازی می‌کند. در دانشگاه دارتموث، رویداد AI@50 به مناسبت پنجاهمین سالگرد کارگاه تاریخی هوش مصنوعی برگزار می‌شود. پنج نفر از شرکت‌کنندگان نخستین کارگاه در سال ۱۹۵۶ در این مراسم حضور دارند: جان مک‌کارتی، ماروین مینسکی، ترنچارد مور، الیور سلفریج و ری سولومونوف.
۲۰۰۷: فی‌فی لی و گروه پژوهشی او در دانشگاه پرینستون پروژه ایمیج‌نت را آغاز می‌کنند؛ پایگاهی شامل میلیون‌ها تصویر برچسب‌گذاری‌شده در هزاران دسته. در همین سال، مجله Science مقاله «مسئله چکرز حل شد» را منتشر می‌کند. گروه جان شفر در دانشگاه آلبرتا در این پژوهش نشان می‌دهد که اگر هر دو طرف بازی چکرز بهترین حرکت ممکن را انجام دهند، نتیجه بازی مساوی خواهد بود.
۲۰۰۹: راجات راینا، آناند مادهاوان و اندرو ان‌جی نشان می‌دهند که واحدهای پردازش گرافیکی یا GPUها می‌توانند برای یادگیری عمیق عملکردی بسیار بهتر از پردازنده‌های متعارف داشته باشند. این یافته به گسترش استفاده از GPUها در صنعت سرعت می‌بخشد. در دانشگاه نورث‌وسترن نیز پژوهشگران برنامه Stats Monkey را می‌سازند که با استفاده از آمار مسابقات بیسبال، گزارش خبری تولید می‌کند.
۲۰۱۱: سامانه واتسون شرکت آی‌بی‌ام در مسابقه تلویزیونی آمریکایی Jeopardy! دو تن از موفق‌ترین قهرمانان آن، کن جنینگز و برد راتر، را شکست می‌دهد. در ماه اکتبر، اپل دستیار صوتی سیری را همراه با آیفون 4s معرفی می‌کند.
۲۰۱۲: در آزمایشی به سرپرستی جف دین و اندرو ان‌جی، یک شبکه عصبی بزرگ با استفاده از ۱۰ میلیون تصویر بدون برچسب از ویدیوهای یوتیوب آموزش می‌بیند و بدون آنکه کسی مشخصاً مفهوم گربه را به آن آموزش دهد، یاد می‌گیرد گربه‌ها را تشخیص دهد. هم‌زمان، گروهی در دانشگاه تورنتو به سرپرستی هینتون شبکه الکس‌نت را می‌سازند. این شبکه در رقابت ایمیج‌نت به نرخ خطای ۱۶ درصد دست پیدا می‌کند، در حالی که بهترین نتیجه سال پیش ۲۵ درصد بود. این موفقیت نقطه عطفی در کاربرد یادگیری عمیق برای بینایی ماشین به شمار می‌رود.
۲۰۱۵: گروهی از سرمایه‌گذاران حوزه فناوری، از جمله رید هافمن، ایلان ماسک و پیتر تیل، متعهد می‌شوند یک میلیارد دلار سرمایه بلندمدت در اختیار OpenAI قرار دهند؛ طرحی که هدف آن بهره‌رساندن به بشریت است. گوگل نیز چارچوب متن‌باز یادگیری ماشین TensorFlow را منتشر می‌کند. در همین سال، بیل گیتس به ایلان ماسک، استیون هاوکینگ و دیگران می‌پیوندد و درباره خطرهای بلندمدت ماشین‌های فوق‌هوشمند هشدار می‌دهد.
۲۰۱۶: سامانه آلفاگو متعلق به گوگل دیپ‌مایند، لی سدول، یکی از برترین بازیکنان جهان در بازی گو، را با نتیجه چهار بر یک شکست می‌دهد. گوگل اعلام می‌کند که بیش از ۲۰۰ میلیون نفر این رقابت را به‌صورت آنلاین تماشا کرده‌اند. گوگل همچنین واحدهای پردازش تنسوری را معرفی می‌کند؛ تراشه‌هایی که به‌طور ویژه برای یادگیری ماشین طراحی شده‌اند. شرکت هنسون رباتیکس نیز ربات انسان‌نمای سوفیا را معرفی می‌کند که توانایی تشخیص چهره و گفت‌وگو با انسان‌ها را دارد.
۲۰۱۷: پژوهشگران گوگل مقاله توجه تمام چیزی است که نیاز دارید را منتشر می‌کنند؛ مقاله‌ای که معماری شبکه عصبی ترنسفورمر را معرفی می‌کند. این معماری در تشخیص ارتباط میان واژه‌هایی که در بخش‌های دور از هم یک متن قرار دارند، عملکرد بسیار بهتری دارد و بعدها به پایه مدل‌های زبانی بزرگ امروزی تبدیل می‌شود.
۲۰۱۸: شرکت OpenAI مدل GPT-1، مخفف «ترنسفورمر پیش‌آموزش‌دیده مولد»، را معرفی می‌کند. گوگل نیز مدل BERT را توسعه می‌دهد که می‌تواند جمله‌ها را تکمیل کند و معنای واژه‌ها را در بافت جمله درک کند. مدل‌های زبانی بزرگ که از طریق تحلیل حجم عظیمی از متن آموزش می‌بینند، در این دوره پدیدار می‌شوند. گوگل در سال ۲۰۱۹ از BERT در موتور جست‌وجوی خود استفاده می‌کند.
۲۰۲۰: شرکت OpenAI مدل GPT-3 را عرضه می‌کند؛ مدلی با ۱۷۵ میلیارد پارامتر که می‌تواند بدون آموزش اختصاصی گسترده برای هر وظیفه، متن بنویسد، ترجمه کند، کدنویسی انجام دهد و گفت‌وگو کند. در همین سال، آلفافولد ۲ متعلق به دیپ‌مایند ساختار سه‌بعدی پروتئین‌ها را بر اساس توالی اسیدهای آمینه آن‌ها پیش‌بینی می‌کند؛ مسئله‌ای که دانشمندان ۵۰ سال برای حل آن تلاش کرده بودند. دیپ‌مایند در سال ۲۰۲۲، حدود ۲۰۰ میلیون ساختار پیش‌بینی‌شده را به‌صورت رایگان منتشر می‌کند و گوگل می‌گوید بیش از یک میلیون پژوهشگر از آن‌ها استفاده کرده‌اند.
۲۰۲۱: شرکت OpenAI مدل دال‌ای را معرفی می‌کند که می‌تواند بر اساس توضیحات متنی تصویر بسازد. نسخه دال‌ای ۲ در سال ۲۰۲۲ از راه می‌رسد. گوگل نیز مدل MUM را معرفی می‌کند که با ۷۵ زبان آموزش دیده و با متن و تصویر کار می‌کند؛ این شرکت همچنین مدل زبانی مکالمه‌ای LaMDA را توسعه می‌دهد. تسلا در همین دوره دسترسی به نسخه بتای سامانه Full Self-Driving را گسترش می‌دهد؛ سامانه‌ای برای کمک به رانندگی که همچنان به نظارت و توجه راننده نیاز دارد.
۲۰۲۲: شرکت OpenAI در ماه نوامبر، چت‌جی‌پی‌تی را که بر پایه GPT-3.5 ساخته شده است، به‌عنوان نسخه آزمایشی رایگان پژوهشی عرضه می‌کند. کاربران می‌توانند با زبان معمولی پرسش‌های تکمیلی مطرح کنند و بخواهند پاسخ‌ها بازنویسی شوند. دقت این سامانه با انتقادهایی روبه‌رو می‌شود و توانایی آن در نوشتن مقاله و ارائه توصیه، نگرانی‌هایی درباره سوءاستفاده از آن به وجود می‌آورد. با وجود این انتقادها، عرضه چت‌جی‌پی‌تی نقطه‌ای است که هوش مصنوعی مولد به مخاطبان انبوه راه پیدا می‌کند.
۲۰۲۳: OpenAI در ماه مارس GPT-4 را منتشر می‌کند؛ مدلی که ورودی‌های متنی و تصویری را می‌پذیرد. گوگل نیز در همان ماه چت‌بات بارد را راه‌اندازی می‌کند و در ماه مه مدل PaLM 2 را عرضه می‌کند که بیش از ۲۵ محصول گوگل از آن بهره می‌برند. در ۱۷ نوامبر، هیئت‌مدیره OpenAI مدیرعامل شرکت، سم آلتمن، را برکنار می‌کند. او چند روز بعد، پس از آنکه کارکنان تهدید می‌کنند استعفا خواهند داد، به سمت خود بازمی‌گردد. این بحران اختلاف میان دو گروه در صنعت را آشکار می‌کند: کسانی که به این فناوری خوش‌بین‌اند و کسانی که درباره آسیب‌های احتمالی آن نگران‌اند.
۲۰۲۴: گوگل در ماه فوریه نام بارد را به جمینای تغییر می‌دهد؛ نامی که از آن پس برای خانواده مدل‌ها و محصولات این شرکت به کار می‌رود. این شرکت همچنین جمینای ۱.۵ را با پنجره زمینه بسیار بزرگ‌تر عرضه می‌کند. OpenAI مدل سورا را معرفی می‌کند که از متن ویدیو تولید می‌کند. در ماه مارس، پارلمان اروپا قانون هوش مصنوعی اتحادیه اروپا را تصویب می‌کند؛ چارچوبی برای تنظیم این فناوری بر اساس سطح خطر که اجرای آن از ماه اوت آغاز می‌شود. شرکت متا در آوریل مدل Llama 3 و در ژوئیه نسخه Llama 3.1 را منتشر می‌کند و وزن‌های این مدل‌ها را برای دانلود در اختیار توسعه‌دهندگان قرار می‌دهد. Llama 3.1 شامل مدلی با ۴۰۵ میلیارد پارامتر است. در ماه مه، OpenAI مدل GPT-4o را عرضه می‌کند که می‌تواند متن، تصویر و صدا را به‌صورت بلادرنگ پردازش کند. گوگل نیز نمایش تدریجی مرورهای هوش مصنوعی را در نتایج جست‌وجوی آمریکا آغاز می‌کند. اپل در ژوئن از Apple Intelligence رونمایی می‌کند که قابلیت اتصال به چت‌جی‌پی‌تی را به سیری می‌آورد. در ماه اکتبر، جوایز نوبل فیزیک و شیمی به پاس پژوهش‌های مرتبط با شبکه‌های عصبی و پیش‌بینی ساختار پروتئین با کمک هوش مصنوعی اهدا می‌شوند. در ماه‌های پایانی سال نیز مدل‌هایی با تمرکز بر استدلال ظهور می‌کنند که قادرند مسائل پیچیده را مرحله‌به‌مرحله بررسی کنند و از ابزارهای نرم‌افزاری بهره بگیرند.
۲۰۲۵: عامل‌های هوش مصنوعی به یکی از محورهای اصلی توسعه تبدیل می‌شوند. این سامانه‌ها می‌توانند وظایف را برنامه‌ریزی کنند، از نرم‌افزارها استفاده کنند و به نمایندگی از کاربر، کارهای چندمرحله‌ای را به انجام برسانند. مدل‌هایی مانند DeepSeek-R1 نشان می‌دهند که مدل‌های توانمند در استدلال لزوماً به بزرگ‌ترین پلتفرم‌های اختصاصی محدود نیستند و می‌توانند خارج از آن‌ها نیز توسعه پیدا کنند. دستیارهای هوشمند و دیگر ابزارهای مبتنی بر هوش مصنوعی در توسعه نرم‌افزار، خدمات مشتریان و پردازش اسناد رواج بیشتری می‌یابند.
۲۰۲۶: مدل‌ها همچنان در زمینه استدلال و انجام کارهای عملی مانند کدنویسی و پژوهش پیشرفت می‌کنند. مدل‌های کوچک‌تر و کم‌مصرف‌تر نیز روی تلفن‌های هوشمند و لپ‌تاپ‌ها اجرا می‌شوند. گسترش استفاده از این فناوری، سرمایه‌گذاری در مراکز داده و تراشه‌های تخصصی را افزایش می‌دهد؛ در عین حال، هزینه، دسترسی به تراشه و تقاضای انرژی به محدودیت‌هایی برای گسترش کاربرد آن تبدیل می‌شوند. گزارش‌هایی درباره اقدام‌های پیش‌بینی‌نشده عامل‌های هوش مصنوعی در جریان آزمایش و استقرار، پرسش‌هایی درباره میزان اطمینان‌پذیری این سامانه‌ها در پیروی از دستورها مطرح کرده‌اند. این رویدادها به افزایش درخواست‌ها برای تقویت تدابیر ایمنی، نظارت و مقررات‌گذاری دامن زده‌اند.
جیکوب کاکسون، پژوهشگری که ابتدا در OpenAI و سپس در آنتروپیک فعالیت کرده بود، استعفا داد و با هشدار درباره عملکرد این شرکت‌ها خبرساز شد. او گفت: «هیچ‌یک از این دو شرکت مسئولانه عمل نمی‌کند. آن‌ها با شتاب به‌سوی ابرهوش خودبهبودیابنده پیش می‌روند و با جان ما قمار می‌کنند.»
ایوان هوبینگر که تلاش‌های آنتروپیک برای همسو کردن هوش مصنوعی با ارزش‌ها و اهداف انسانی را هدایت می‌کند، در شبکه اجتماعی ایکس نوشت: «ما واقعاً و صادقانه باور داریم که هوش مصنوعی می‌تواند همه انسان‌ها را بکشد! شخصاً فکر می‌کنم احتمال این اتفاق در دهه آینده بیش از ۱۰ درصد است. باور دارم آنتروپیک تمام تلاشش را می‌کند، اما هنوز برنامه‌ای برای حل مسئله همسوسازی ابرهوش نداریم و مسیر روشنی هم نداریم که نشان دهد در راه رسیدن به این هدف قرار گرفته‌ایم.»
هفتاد سال پس از کارگاه دارتموث، پرسشی که تورینگ در سال ۱۹۵۰ مطرح کرد، یعنی اینکه آیا ماشین‌ها می‌توانند فکر کنند، همچنان بخشی از بحث درباره فناوری‌ای است که اکنون در محصولات روزمره جای گرفته است.