Storia dell'IA

Apple ha presentato la sua funzionalità all'avanguardia "Apple Intelligence", integrando perfettamente le funzionalità di ChatGPT negli ultimi iPhone e nell'assistente digitale Siri, offrendo agli utenti un'esperienza avanzata e intelligente.

Il 15 febbraio 2024 OpenAI presenterà Sora, un modello di intelligenza artificiale in grado di creare brevi video a partire da descrizioni testuali.

Google ha presentato una versione avanzata della sua piattaforma Gemini, denominata Gemini 1.0 Ultra, che offre funzionalità avanzate e miglioramenti delle prestazioni.

Il 30 ottobre 2023 il presidente Biden ha emanato un ordine esecutivo volto a promuovere lo sviluppo e l'utilizzo responsabili ed etici dell'intelligenza artificiale, garantendone la sicurezza e l'affidabilità.

Google effettuerà la transizione di Bard da LaMDA al modello linguistico più avanzato PaLM2 nel maggio 2023.

I giganti della tecnologia e gli innovatori, tra cui Elon Musk e Steve Wozniak, hanno sostenuto una petizione che chiede una pausa temporanea nello sviluppo rapido di sistemi di intelligenza artificiale avanzati. La petizione cita preoccupazioni sui potenziali rischi della creazione di modelli di intelligenza artificiale che potrebbero superare la comprensione e il controllo umani, sollecitando una pausa di sei mesi per rivalutare la traiettoria di questa tecnologia.

Google ha introdotto il suo chatbot Bard, basato sui modelli linguistici LaMDA e PaLM, in forma limitata come risposta a ChatGPT nel marzo 2023.

Il modello GPT-4 recentemente svelato da OpenAI rappresenta un significativo progresso rispetto al suo predecessore, GPT-3.5, sebbene condivida ancora alcune limitazioni intrinseche. In particolare, GPT-4 introduce capacità multimodali, consentendogli di elaborare sia input di testo che di immagini. Questo modello migliorato è stato integrato in ChatGPT come offerta premium. Secondo le valutazioni interne di OpenAI, GPT-4 ha dimostrato prestazioni eccezionali, ottenendo un punteggio nel 94° percentile al SAT, nell'88° percentile al LSAT, e nel 90° percentile all'Uniform Bar Exam.

ChatGPT, lo straordinario modello linguistico basato sull'intelligenza artificiale, ha raggiunto un traguardo senza precedenti, raccogliendo oltre 100 milioni di utenti entro gennaio 2023 e affermandosi come l'applicazione consumer in più rapida crescita mai vista.

GPT-3, un modello linguistico rivoluzionario sviluppato da OpenAI, sfrutta tecniche avanzate di deep learning per generare testo simile a quello umano in vari campi, tra cui codice informatico, poesia e altre attività linguistiche. Con una capacità di modello senza precedenti, dieci volte maggiore del suo predecessore T-NLG, GPT-3 produce output sorprendentemente simili e quasi indistinguibili dai contenuti scritti da esseri umani. Questo modello linguistico innovativo è stato presentato a maggio 2020 ed è entrato in fase di beta testing il mese successivo.

AlphaFold 2, il modello di previsione della struttura proteica di DeepMind, ha vinto il concorso CASP 2020 tenutosi a Novembre.

Nel febbraio 2020, Microsoft ha presentato Turing Natural Language Generation (T-NLG), un modello linguistico imponente che vanta la cifra senza precedenti di 17 miliardi di parametri, stabilendo un nuovo record per il più grande modello linguistico mai rilasciato.

Google ha presentato Duplex, un sistema di intelligenza artificiale in grado di impegnarsi in conversazioni naturali per gestire attività come la pianificazione di appuntamenti. Il discorso dell'intelligenza artificiale imitava i modelli vocali umani in modo così convincente che il Los Angeles Times lo ha descritto come un'imitazione "quasi impeccabile".

Un sistema di intelligenza artificiale sviluppato da Alibaba per l'elaborazione del linguaggio ha superato le prestazioni dei migliori partecipanti umani in un esame di lettura e comprensione della Stanford University. L'intelligenza artificiale ha ottenuto un punteggio di 82,44, superando di poco il punteggio umano di 82,304, in un test composto da 100.000 domande.

La creazione dell'architettura del trasformatore ha aperto la strada a modelli linguistici innovativi di grandi dimensioni come BERT di Google e, successivamente, OpenAI ha aperto la strada al modello di trasformatore generativo pre-addestrato.

Un sistema di intelligenza artificiale sviluppato da OpenAI ha gareggiato al The International 2017, un prestigioso torneo di Dota 2, dove ha sconfitto vittoriosamente il giocatore professionista Dendi in una partita 1 contro 1.

Uno strumento software utilizzato per risolvere problemi di soddisfacibilità booleana nella logica proposizionale è stato impiegato per convalidare una congettura matematica di lunga data riguardante le terne pitagoriche all'interno dell'insieme degli interi. La dimostrazione iniziale, che si estendeva su ben 200 terabyte, è stata sottoposta a convalida da parte di due distinti sistemi certificati di verifica automatica delle prove.

L'algoritmo Deepstack116 ha superato i giocatori umani in giochi con informazioni imperfette, in particolare nel poker no-limit heads-up, con significatività statistica. Successivamente, l'intelligenza artificiale del poker Libratus, sviluppata da un diverso gruppo di ricerca, ha sconfitto ciascuno dei suoi quattro avversari umani altamente qualificati, ottenendo un tasso di vincita complessivo eccezionalmente alto su un campione statisticamente significativo. A differenza degli scacchi e del Go, il poker è un gioco con informazioni imperfette, il che rende il risultato più impegnativo.

Un sistema di intelligenza artificiale chiamato AlphaGo, sviluppato da Google DeepMind, ha sconfitto in modo decisivo Fan Hui, giocatore professionista di Go e tre volte campione europeo, con un punteggio di 5 partite a 0.

Personaggi illustri come Stephen Hawking, Elon Musk e numerosi esperti di intelligenza artificiale hanno sostenuto lo studio dei potenziali impatti sociali dell'intelligenza artificiale attraverso una lettera aperta nel gennaio 2015.

Tecniche come le reti autostradali e ResNets hanno consentito l'addestramento di reti neurali estremamente profonde, con oltre 1000 livelli, un risultato che in precedenza era difficile da ottenere.

NEIL, un sistema progettato per apprendere e analizzare all'infinito le connessioni visive tra le immagini, è stato presentato alla Carnegie Mellon University, consentendo di confrontare ed esaminare costantemente le relazioni tra vari dati di immagini.

AlexNet, un modello pionieristico di deep learning per il riconoscimento delle immagini sviluppato da Alex Krizhevsky, ha raggiunto una svolta vincendo l'ImageNet Large Scale Visual Recognition Challenge con un numero di errori notevolmente inferiore rispetto al secondo classificato. Ciò ha segnato un momento cruciale nella storia dell'IA, portando all'adozione diffusa di tecniche di deep learning per attività di riconoscimento delle immagini e all'abbandono di numerosi approcci alternativi. L'uso innovativo di chip GPU da parte di Krizhevsky per l'addestramento della rete di deep learning ha contribuito a questo successo.

Questi assistenti virtuali intelligenti sfruttano le capacità di elaborazione del linguaggio naturale per comprendere le domande degli utenti, fornire informazioni pertinenti, offrire suggerimenti ed eseguire attività sugli smartphone.

Un sistema di intelligenza artificiale denominato Watson, sviluppato da IBM, ha ottenuto risultati migliori rispetto ai campioni del famoso quiz televisivo Jeopardy!, Rutter e Jennings.

Mary Lou Maher e Doug Fisher hanno guidato il workshop inaugurale dell'Association for the Advancement of Artificial Intelligence, incentrato sul nesso tra intelligenza artificiale e sostenibilità ambientale.

Una rete neurale ricorrente chiamata LSTM, addestrata utilizzando la classificazione temporale connessionista, ha vinto le competizioni di riconoscimento di pattern, in particolare nel campo del riconoscimento della scrittura, segnando un traguardo significativo in quanto prima nel suo genere a raggiungere un simile successo.

Un gruppo di ricercatori dell'Università di Alberta è riuscito a determinare con successo l'esito del gioco della dama mediante analisi computazionale.

La rinomata rivista scientifica Philosophical Transactions of the Royal Society, B – Biology, ha pubblicato un'edizione speciale intitolata "Modelli di selezione delle azioni naturali" che esplora l'applicazione dell'intelligenza artificiale per comprendere l'intelligenza biologica.

La Dartmouth Artificial Intelligence Conference ha esplorato il futuro dell'IA nel corso dei prossimi cinque decenni. L'evento, intitolato "AI@50", si è svolto dal 14 al 16 luglio 2006.

È stata lanciata un'iniziativa rivoluzionaria, Blue Brain, volta a sviluppare una simulazione completa del cervello a livello molecolare.

OWL (Web Ontology Language), che è una raccomandazione W3C pubblicata il 10 febbraio 2004. È un linguaggio utilizzato per rappresentare ontologie o domini di conoscenza sul web.

Arrivarono sul mercato dei robot-pet interattivi commercialmente validi, soprannominati "giocattoli intelligenti", realizzando le aspirazioni dei creatori di giocattoli innovativi del XVIII secolo.

Progetto di architettura Oxygen, un sistema progettato per integrare dispositivi informatici mobili e fissi in un ambiente di rete adattabile.

Una stanza intelligente e agenti emotivi sono sviluppati presso l'AI Lab del MIT.

I programmi basati sull'intelligenza artificiale, come i web crawler, svolgono un ruolo fondamentale nell'estrazione e nell'utilizzo di informazioni dalla vastità del World Wide Web.

Ulises Cortés e Miquel Sànchez-Marrè hanno avviato un workshop pionieristico in Europa, intitolato "Binding Environmental Sciences and Artificial Intelligence", che mirava a colmare il divario tra scienze ambientali e intelligenza artificiale durante la conferenza ECAI.

Il documento Semantic Web Roadmap, che delineava la visione di un web più intelligente e interconnesso, è stato introdotto da Tim Berners-Lee.

Il lancio di Furby di Tiger Electronics ha segnato una pietra miliare significativa, in quanto è stato il prodotto di intelligenza artificiale nazionale più innovativo ad aver ottenuto un successo commerciale.

Una rete neurale artificiale chiamata Long Short-Term Memory (LSTM) è stata presentata da Sepp Hochreiter e Juergen Schmidhuber nel loro articolo di ricerca pubblicato sulla rivista Neural Computation.

Un software di intelligenza artificiale per giocare a Otello, noto come Logistello, ha ottenuto una decisiva vittoria per 6-0 contro Takeshi Murakami, il campione del mondo in carica del gioco.

Un potente computer per gli scacchi denominato Deep Blue, sviluppato da IBM, ha trionfato sul campione mondiale di scacchi in carica Garry Kasparov in una partita storica.

Cindy Mason, impiegata presso la NASA, organizza il primo workshop internazionale dell'IJCAI dedicato all'esplorazione del ruolo dell'intelligenza artificiale nelle questioni ambientali.

Il programma per computer Chinook ha trionfato sul campione mondiale di dama inglese Tinsley, che ha rinunciato alla partita. Inoltre, Chinook ha sconfitto Lafferty, il secondo giocatore con il punteggio più alto. Ha anche ottenuto una clamorosa vittoria nel torneo nazionale degli Stati Uniti, vincendo con un ampio margine senza precedenti.

Zadeh, professore a Berkeley, ha sviluppato il concetto di "soft computing", che integra diversi campi come reti neurali, logica fuzzy, algoritmi evolutivi, programmazione genetica e teoria del caos. Ha creato una rete di ricerca globale che ha unito queste discipline, consentendo progressi nell'intelligenza computazionale e nei sistemi decisionali.

La ISX Corporation ha ricevuto il riconoscimento come miglior appaltatore dalla DARPA (Defense Advanced Research Projects Agency) per il suo Dynamic Analysis and Replanning Tool (DART). Il successo di questo strumento basato sull'intelligenza artificiale è stato considerato di grande valore, superando l'investimento totale del governo nella ricerca sull'intelligenza artificiale nell'arco di diversi decenni.

L'applicazione di pianificazione DART, utilizzata durante la Guerra del Golfo, ha dimostrato con successo il valore dei tre decenni di sforzi di ricerca della DARPA nel campo dell'intelligenza artificiale, giustificando i sostanziali investimenti effettuati in questo campo.

TD-Gammon, un programma di backgammon di Gerry Tesauro, dimostra l'efficacia dell'apprendimento per rinforzo nello sviluppo di un programma di gioco in grado di competere con giocatori di fama mondiale a livello di campionato.

L'intelligenza artificiale ha fatto notevoli progressi in vari ambiti, tra cui l'apprendimento automatico, i sistemi di tutoraggio intelligenti, il ragionamento, la pianificazione multi-agente, gli algoritmi di pianificazione, le tecniche di ragionamento incerto, i metodi di data mining, l'elaborazione del linguaggio naturale e i modelli di traduzione, la visione artificiale, le simulazioni di realtà virtuale, lo sviluppo di giochi e altri settori emergenti.

ALVINN (An Autonomous Land Vehicle in a Neural Network), un sistema sviluppato da Dean Pomerleau presso la Carnegie Mellon University, è stato utilizzato nel progetto Navlab, consentendo la guida autonoma di veicoli terrestri tramite la tecnologia delle reti neurali.

L'avanzamento della tecnologia complementare metallo-ossido-semiconduttore (CMOS), che è un tipo di integrazione su larga scala metallo-ossido-semiconduttore (MOS) Very-large-scale integration (VLSI), ha facilitato l'implementazione pratica di reti neurali artificiali (ANN) negli anni '80. Un lavoro fondamentale in questo campo è stato il libro del 1989 "Analog VLSI Implementation of Neural Systems" di Carver A. Mead e Mohammed Ismail, che ha svolto un ruolo significativo nello sviluppo della tecnologia ANN.

Un'azienda chiamata Alacritous Inc./Allstar Advice Inc. a Toronto ha lanciato la seconda generazione del suo sistema di consulenza strategica e manageriale commerciale, Alacrity 2.0. Questa soluzione utilizzava un sistema esperto forward-chaining con circa 3.000 regole focalizzate sull'evoluzione del mercato e sulle strategie competitive. È stato sviluppato dai fondatori dell'azienda, Alistair Davidson e Mary Chung, mentre il motore sottostante è stato sviluppato da Paul Tarvydas. Inoltre, Alacrity 2.0 incorporava un piccolo sistema esperto finanziario in grado di interpretare rendiconti finanziari e modelli.

Il lavoro di Marvin Minsky su un modello teorico della mente, in cui la proponeva come una raccolta di agenti cooperanti. Aveva presentato questa idea tramite lezioni anni prima di pubblicare il suo libro, The Society of Mind.

Le ricercatrici pioniere Barbara Grosz e Candace Sidner hanno sviluppato il primo quadro computazionale per l'analisi del discorso, aprendo la strada a un nuovo campo di studi.

L'algoritmo Backpropagation, denominato anche modalità inversa di differenziazione automatica, introdotto da Seppo Linnainmaa nel 1970 e successivamente applicato alle reti neurali da Paul Werbos, ha contribuito in modo significativo all'adozione diffusa delle reti neurali.

Il calcolo degli intervalli, una formalizzazione pionieristica degli eventi temporali, fu ideato da James F. Allen, segnando un notevole progresso nel campo.

John Laird e Paul Rosenbloom, in collaborazione con Allen Newell, hanno ultimato la loro ricerca di dottorato sul programma Soar presso la Carnegie Mellon University.

Il progetto Fifth Generation Computer Systems (FGCS), avviato dal Ministero del Commercio Internazionale e dell'Industria giapponese nel 1982, mirava a sviluppare un "computer di quinta generazione" che avrebbe sfruttato il parallelismo massiccio per eseguire calcoli estesi. Il progetto si è concentrato sulla creazione di un sistema di elaborazione in grado di eseguire calcoli complessi tramite elaborazione parallela.

Danny Hillis ha progettato un rivoluzionario sistema di calcolo parallelo, noto come Connection Machine, che ha notevolmente potenziato l'intelligenza artificiale e le capacità computazionali. Successivamente, ha fondato la Thinking Machines Corporation.

La conferenza inaugurale dell'AAAI, un'organizzazione dedicata all'intelligenza artificiale, ha avuto luogo presso la Stanford University.

Nel periodo indicato, le macchine Lisp furono progettate, prodotte e commercializzate. Inoltre, emersero i primi shell di sistemi esperti e le prime applicazioni commerciali.

Diretto da Ed Feigenbaum e Joshua Lederberg, il progetto SUMEX-AIM di Stanford ha mostrato come ARPAnet abbia facilitato la cooperazione scientifica.

I ricercatori del MIT e di Stanford sono stati pionieri nello studio delle logiche non monotone, esplorando metodi formali per gestire e aggiornare convinzioni o conoscenze man mano che diventano disponibili nuove informazioni.

Un programma per computer per il backgammon, sviluppato da Hans Berliner alla CMU, riesce a sconfiggere l'attuale campione del mondo, anche grazie a circostanze fortunate.

Un veicolo autonomo sviluppato da Hans Moravec presso la Stanford University, noto come Stanford Cart, ha raggiunto un traguardo importante orientandosi autonomamente in una stanza piena di sedie e manovrando all'interno dello Stanford AI Lab.

I ricercatori della Stanford University, tra cui Cordell Green, David Barstow ed Elaine Kant, hanno introdotto il sistema CHI, che consente la programmazione automatica.

INTERNIST era un programma di diagnosi medica basato sulla conoscenza creato da Jack Myers e Harry Pople, ricercatori presso l'Università di Pittsburgh. Utilizzava l'esperienza clinica di Myers per diagnosticare condizioni mediche.

Il programma MOLGEN, sviluppato presso la Stanford University, ha messo in luce il potenziale della programmazione orientata agli oggetti per rappresentare la conoscenza e pianificare esperimenti di clonazione genetica.

La razionalità limitata, un concetto rivoluzionario introdotto da Herbert A. Simon, gli è valso il premio Nobel per l'economia. Questa teoria, che costituisce un pilastro fondamentale dell'intelligenza artificiale, postula che gli individui prendono decisioni basate su informazioni e capacità cognitive limitate, con conseguenti scelte che soddisfano i loro bisogni anziché massimizzare i risultati ottimali.

Un ricercatore di nome Tom Mitchell della Stanford University ha proposto il concetto degli spazi di versione (version spaces), per ricercare una soluzione a un problema in un insieme completo delle ipotesi.

La ricerca di dottorato di Davis a Stanford ha dimostrato l'efficacia del ragionamento a meta-livello, grazie al quale un sistema di intelligenza artificiale può ragionare sui propri processi di pensiero.

Il programma AM, sviluppato da Douglas Lenat per la sua tesi di dottorato a Stanford, illustrava il modello di scoperta, che prevedeva una ricerca poco guidata di congetture interessanti.

La percezione visiva inizia con la creazione di una rappresentazione preliminare, nota come "schizzo primario", che cattura caratteristiche essenziali come bordi, confini e orientamenti di superficie dall'input visivo iniziale. Questa fase fondamentale getta le basi per la successiva elaborazione e il riconoscimento di oggetti e scene.

Barbara Grosz ha scoperto che i metodi tradizionali di intelligenza artificiale per la modellazione del discorso presentavano dei limiti. In seguito, Grosz, insieme a Bonnie Webber e Candace Sidner, ha sviluppato il concetto di "centratura" che aiuta a determinare il focus del discorso e a risolvere i riferimenti anaforici nell'elaborazione del linguaggio naturale.

Il sistema di intelligenza artificiale Meta-Dendral ha compiuto scoperte rivoluzionarie nel campo della chimica, in particolare nell'ambito della spettrometria di massa, che sono state pubblicate su una rivista scientifica sottoposta a revisione paritaria, segnando una pietra miliare in quanto prime scoperte scientifiche realizzate da un computer.

L'influente articolo di Marvin Minsky sui Frames ha introdotto una rappresentazione della conoscenza che combina idee su schemi e connessioni semantiche.

Austin Tate ha creato il sistema Nonlin, che potrebbe esplorare diversi piani parziali come metodi alternativi per raggiungere gli obiettivi di pianificazione generale.

Earl Sacerdoti ha introdotto metodi di pianificazione a ordine parziale con il suo sistema NOAH, discostandosi dal precedente approccio di ricerca nello spazio di stato. NOAH è stato utilizzato presso SRI International per la diagnosi interattiva e la riparazione di sistemi elettromeccanici.

La tesi di dottorato di Ted Shortliffe a Stanford ha introdotto MYCIN, un sistema basato su regole per la diagnosi medica in grado di gestire l'incertezza. Ispirato da DENDRAL, MYCIN ha avuto un impatto significativo sullo sviluppo di sistemi esperti, in particolare quelli commerciali.

Il rapporto Lighthill ha criticato la ricerca sull'intelligenza artificiale in Gran Bretagna, spingendo il governo a tagliare i finanziamenti per gli studi sull'intelligenza artificiale, fatta eccezione per due università.

Earl Sacerdoti created an early hierarchical planning system called ABSTRIPS.

Il linguaggio di programmazione Prolog è stato creato da Alain Colmerauer.

Lo sviluppo del dimostratore del teorema di Boyer-Moore iniziò a Edimburgo.

Bill Woods ha introdotto le reti di transizione aumentata (ATN) come mezzo per rappresentare e comprendere il linguaggio naturale.

Jaime Carbonell (Sr.) ha creato SCHOLAR, un software interattivo che facilita l'apprendimento assistito dal computer, utilizzando reti semantiche per la rappresentazione della conoscenza.

Seppo Linnainmaa introdusse la modalità inversa di differenziazione automatica, una tecnica in seguito denominata backpropagation che è ampiamente utilizzata per l'addestramento di reti neurali artificiali.

Presso l'SRI, Jane Robinson e Don Walker fondarono un gruppo di ricerca pionieristico incentrato sull'elaborazione del linguaggio naturale, che ebbe un impatto significativo sul settore.

McCarthy e Hayes hanno introdotto il problema del frame nel ragionamento dell'intelligenza artificiale.

I "Perceptron" di Minsky e Papert hanno evidenziato i limiti delle reti neurali semplici, che alcuni ritengono siano stati la causa scatenante dell'inverno dell'intelligenza artificiale degli anni '70, sebbene metodi di apprendimento profondo esistessero già grazie al lavoro di Ivakhnenko, Lapa e Amari.

Stanford ha ospitato la prima conferenza IJCAI (International Joint Conference on Artificial Intelligence).

Yorick Wilks è stato un pioniere della semantica delle preferenze a Stanford, creando il primo sistema di traduzione automatica basato sulla semantica, che ha influenzato molti ricercatori successivi.

Roger Schank ha sviluppato la teoria di dipendenza concettuale per la comprensione del linguaggio a Stanford, che è stato poi ampliato a Yale attraverso il lavoro di dottorato di Wilensky, Lehnert e Kolodner sulla comprensione delle storie e la modellazione della memoria.

Wallace e Boulton crearono Snob, uno dei primi algoritmi di clustering che applicava il rasoio di Occam attraverso i principi bayesiani della lunghezza minima dei messaggi.

Al MIT, Richard Greenblatt ha sviluppato Mac Hack, un programma di scacchi rivoluzionario che ha raggiunto il livello dei tornei di classe C, diventando la prima intelligenza artificiale per gli scacchi a competere in modo credibile con gli esseri umani.

Joel Moses è stato un pioniere della matematica simbolica grazie al suo dottorato di ricerca al MIT su Macsyma, il primo programma a risolvere con successo problemi di integrazione del calcolo utilizzando l'intelligenza artificiale e la rappresentazione della conoscenza.

Shun'ichi Amari è stato il primo a usare la discesa del gradiente stocastico per il deep learning nei perceptron multistrato. Negli esperimenti al computer condotti dal suo studente Saito, un perceptron multistrato a cinque strati con due strati modificabili ha appreso utili rappresentazioni interne per classificare classi di pattern non linearmente separabili.

- Ross Quillian demonstrated semantic nets in his PhD dissertation at Carnegie Institute of Technology (now CMU).

- The Machine Intelligence 71 workshop at Edinburgh was the first of an influential annual series organized by Donald Michie and others.

- A negative report on machine translation killed much work in natural language processing (NLP) for many years.

- The Dendral program, developed by Edward Feigenbaum, Joshua Lederberg, Bruce Buchanan, and Georgia Sutherland at Stanford University, demonstrated the ability to interpret mass spectra on organic chemical compounds, making it the first successful knowledge-based program for scientific reasoning.

Edward Feigenbaum diede inizio al progetto Dendral, uno sforzo decennale per sviluppare un software in grado di dedurre la struttura molecolare dei composti organici utilizzando dati di strumenti scientifici. Dendral fu il primo sistema esperto.

J. Alan Robinson inventò il Resolution Method, una procedura di dimostrazione meccanica che consentiva ai programmi di lavorare in modo efficiente con la logica formale come linguaggio di rappresentazione.

Nel 1965, Lotfi A. Zadeh, professore all'Università della California, Berkeley, pubblicò il suo fondamentale articolo "Fuzzy Sets" sulla rivista Information and Control, introducendo il concetto di logica fuzzy.

Ivakhnenko e Lapa crearono il primo algoritmo di deep learning per l'addestramento di perceptron multistrato nell'Unione Sovietica, introducendo tecniche che sarebbero poi diventate fondamentali per le moderne reti neurali.

La tesi di laurea di Bobrow al MIT ha dimostrato che i computer possono comprendere il linguaggio naturale in misura sufficiente a risolvere problemi di algebra, mentre il lavoro di Raphael sulla SIR ha dimostrato come la rappresentazione logica della conoscenza possa consentire ai sistemi informatici di rispondere alle domande.

Uhr e Vossler crearono uno dei primi programmi di apprendimento automatico adattivo in grado di generare e modificare le proprie caratteristiche, superando i limiti dei perceptron di Rosenblatt.

Feigenbaum e Feldman compilarono "Computers and Thought", la prima antologia di articoli di ricerca incentrati sull'intelligenza artificiale.

Solomonoff ha stabilito una base matematica per l'intelligenza artificiale sviluppando approcci bayesiani universali per formulare previsioni e apprendere dagli esempi.

Masterman e il suo team di Cambridge hanno creato reti semantiche progettate per facilitare la traduzione automatica.

Newell, Shaw e Simon svilupparono il General Problem Solver (GPS) presso la CMU, mentre McCarthy e Minsky fondarono il MIT AI Laboratory.

McCarthy creò Lisp, uno dei primi linguaggi di programmazione progettati per l'intelligenza artificiale. In IBM, Gelernter e Rochester svilupparono un dimostratore di teoremi geometrici che utilizzava modelli visivi di casi tipici. La Teddington Conference presentò diversi documenti influenti: la proposta di McCarthy per l'Advice Taker e il ragionamento di "senso comune", "Pandemonium" di Selfridge e il lavoro di Minsky sulla programmazione euristica.

McCarthy, Minsky, Rochester e Shannon organizzarono la conferenza estiva del Dartmouth College, durante la quale McCarthy introdusse il termine "intelligenza artificiale", un evento che segnò l'inizio ufficiale dell'intelligenza artificiale come disciplina.

Arthur Samuel sviluppò il primo programma di gioco che potesse competere seriamente con i giocatori umani: un programma di dama creato nel 1952. Lo migliorò nel 1955 per includere capacità di apprendimento, consentendogli di migliorare attraverso l'esperienza.

Strachey e Prinz crearono i primi programmi di intelligenza artificiale funzionale nel 1951, sviluppando rispettivamente programmi per la dama e gli scacchi per il computer Ferranti Mark 1 dell'Università di Manchester.

Donald Hebb ha elaborato la teoria hebbiana, che propone un meccanismo attraverso il quale le reti neurali possono apprendere rafforzando le connessioni tra neuroni che si attivano contemporaneamente.

Bush pubblicò "As We May Think" su The Atlantic Monthly, descrivendo un futuro in cui i computer avrebbero migliorato le capacità umane in varie attività.

Von Neumann e Morgenstern pubblicarono "Teoria dei giochi e comportamento economico", stabilendo la teoria dei giochi come quadro matematico che sarebbe poi diventato cruciale per lo sviluppo dell'intelligenza artificiale.

Rosenblueth, Wiener e Bigelow introdussero il termine "cibernetica", che Wiener rese poi popolare nel suo omonimo libro del 1948.

McCulloch e Pitts pubblicarono "A Logical Calculus of the Ideas Immanent in Nervous Activity", che fornì il primo modello matematico di reti neurali artificiali, rappresentando il modo in cui i neuroni potrebbero eseguire operazioni logiche.

Zuse completò la costruzione del primo computer funzionale, programmabile e di uso generale.

Edward Condon creò Nimatron, un computer digitale in grado di giocare a Nim senza commettere errori.

Konrad Zuse depositò un brevetto per uno dei primi computer programmabili.

Alonzo Church si basò sul lavoro di Gödel dimostrando l'indecidibilità dei problemi computazionali generali e sviluppando il calcolo lambda, che divenne essenziale per la teoria dei linguaggi di programmazione dei computer.

Kurt Gödel dimostrò i limiti fondamentali dei sistemi computazionali codificando affermazioni matematiche come numeri e dimostrando che alcune affermazioni vere non possono essere dimostrate da alcun sistema meccanico coerente: una svolta che avrebbe plasmato l'informatica teorica e l'intelligenza artificiale.

Il modello di Ising, sviluppato da Lenz e Ising nel 1925, era una prima forma di rete neurale ricorrente che utilizzava elementi soglia. Amari in seguito rese questo sistema adattabile nel 1972.

Torres Quevedo ha creato El Ajedrecista, la prima macchina in grado di giocare finali di scacchi, ed è stato pioniere di concetti come l'aritmetica in virgola mobile. I suoi Essays on Automatics hanno esplorato la relazione tra pensiero e macchine automatizzate, guadagnandosi il riconoscimento di uno dei primi pionieri dell'intelligenza artificiale.

I Principia Mathematica di Russell e Whitehead dimostrarono che la matematica di base poteva essere espressa attraverso il ragionamento logico formale.

Samuel Butler ipotizzò che le macchine avrebbero potuto evolversi come gli organismi biologici, prevedendo che un giorno avrebbero potuto sviluppare una coscienza e sostituire gli esseri umani.

George Boole creò l'algebra booleana, un sistema matematico concepito per esprimere e analizzare le operazioni fondamentali del ragionamento umano.

Bernard Bolzano è stato il pioniere dell'approccio moderno alla formalizzazione del modo in cui il significato è rappresentato nel linguaggio e nella logica (semantica).

Babbage e Lovelace collaborarono allo sviluppo di computer meccanici programmabili per eseguire calcoli.

Legendre e Gauss svilupparono la regressione lineare (nota anche come metodo dei minimi quadrati) tra la fine del XVIII e l'inizio del XIX secolo per prevedere il moto planetario. Questa tecnica matematica sarebbe stata in seguito riconosciuta come la forma più semplice di rete neurale artificiale.

Von Kempelen creò The Turk, una presunta macchina per giocare a scacchi che girò l'Europa sconfiggendo avversari umani. In seguito fu smascherata come una bufala che nascondeva un giocatore di scacchi umano.

Il saggio di Thomas Bayes, pubblicato postumo, introdusse quello che divenne noto come teorema di Bayes, un principio matematico che sarebbe poi diventato fondamentale per i sistemi di intelligenza artificiale attraverso le reti bayesiane.

La Mettrie, nel suo libro "L'Homme Machine" (L'uomo macchina), ipotizzò che i processi di pensiero umano fossero di natura interamente meccanica.

David Hume identificò l'induzione, ovvero il processo di derivazione di principi generali da esempi specifici, come metodo fondamentale di apprendimento.

Daniel Bernoulli ha sviluppato il concetto di utilità, estendendo la teoria della probabilità in un quadro per la misurazione del valore e il processo decisionale: principi che sarebbero poi diventati fondamentali per il modo in cui i sistemi di intelligenza artificiale modellano obiettivi e scelte.

TD-Gammon, un programma di backgammon di Gerry Tesauro, dimostra l'efficacia dell'apprendimento per rinforzo nello sviluppo di un programma di gioco in grado di competere con giocatori di fama mondiale a livello di campionato.

Leibniz immaginò un sistema logico universale che avrebbe assegnato valori numerici a tutti gli oggetti, con l'obiettivo di creare un metodo algebrico per risolvere qualsiasi problema attraverso il ragionamento meccanico.

Leibniz scoprì la regola della catena, un principio matematico che sarebbe poi diventato essenziale per l'addestramento delle reti neurali attraverso algoritmi come la backpropagation.

Leibniz fece progredire il calcolo meccanico creando lo Stepped Reckoner, una calcolatrice in grado di eseguire operazioni di moltiplicazione e divisione.

Cartesio teorizzò che i corpi degli animali funzionassero come macchine sofisticate, pur sostenendo che la coscienza e i processi mentali fossero fondamentalmente distinti.

Blaise Pascal creò la prima calcolatrice digitale, un dispositivo meccanico in grado di eseguire calcoli numerici.

Il Novum Organum di Francis Bacon, così chiamato in riferimento all'opera di Aristotele, stabilì la metodologia empirica e il ragionamento induttivo come fondamenti per l'acquisizione della conoscenza.

Secondo la leggenda, il rabbino Loew di Praga creò il Golem, un essere artificiale modellato nell'argilla e portato in vita grazie alla magia.

Paracelso, medico e alchimista rinascimentale, affermò di aver creato un essere umanoide utilizzando una combinazione di forze magnetiche, materiale riproduttivo e processi alchemici.

Nel XIII secolo, Ramon Llull creò l'Ars Magna, adattando un dispositivo arabo chiamato Zairja per combinare meccanicamente i concetti. Li immaginò come macchine in grado di generare conoscenze complesse combinando semplici verità. Questo concetto influenzò in seguito il lavoro di Leibniz nel 1600.

Al-Jazari progettò un'orchestra automatizzata composta da figure umanoidi meccaniche che potevano essere programmate per suonare musica in modo coordinato.

Al-Khwarizmi è autore di influenti libri di testo matematici che fornivano procedure dettagliate e sistematiche per risolvere problemi aritmetici e algebrici. Questi metodi sono stati ampiamente utilizzati nella civiltà islamica, in India e in Europa per diversi secoli, fino al 1500. Il suo nome è l'origine della parola "algoritmo", che riflette il suo contributo ai metodi sistematici di risoluzione dei problemi.

L'alchimista arabo Jabir ibn Hayyan sviluppò un quadro teorico chiamato Takwin, che esplorava la possibilità di creare artificialmente la vita, compresa quella umana, attraverso processi di laboratorio.

Porfirio, un filosofo greco, scrisse l'Isagogê, un'opera che organizzava la conoscenza e la logica in categorie. In particolare, includeva una rappresentazione visiva che era una prima versione di quella che oggi chiamiamo una rete semantica (un modo di mostrare le relazioni tra concetti attraverso un diagramma strutturato).

Erone di Alessandria, un antico inventore greco, progettò vari dispositivi automatizzati, tra cui figure umanoidi meccaniche. Uno dei suoi successi più notevoli fu la creazione di quella che alcuni considerano la prima macchina programmabile della storia: un teatro automatizzato in grado di eseguire movimenti e scene programmate.

Ctesibio, un antico ingegnere greco, creò un orologio ad acqua avanzato che includeva un sistema di allarme. Questo dispositivo fu rivoluzionario in quanto rappresentava il primo utilizzo noto di un meccanismo di controllo di feedback, in cui il sistema poteva monitorare e regolare il proprio funzionamento in base al suo stato attuale.

Aristotle made two significant contributions to the foundations of systematic thinking and problem-solving:

1) In his work Organon, he developed the syllogism - a structured method of logical reasoning where conclusions are drawn from two premises. This represented one of the first formalized systems of mechanical, step-by-step logical thinking.

2) In Nicomachean Ethics, he outlined what we now call means-ends analysis - a method of solving problems by repeatedly identifying the gap between your current state and goal state, then taking actions to reduce that gap. Interestingly, this same basic algorithm would be implemented thousands of years later in one of the first AI programs, the General Problem Solver, created by Newell and Simon in 1959.

Durante la dinastia Zhou in Cina, un ingegnere di nome Yan Shi creò e mostrò al re Mu delle figure automatizzate o "uomini meccanici" in grado di muoversi autonomamente.

Nell'antico Egitto e in Grecia, le persone credevano che certe statue sacre possedessero coscienza e sentimenti. Secondo gli scritti attribuiti a Ermete Trismegisto, si pensava che queste statue meccaniche avessero sia percezione sensoriale (sensus) sia forza vitale o respiro (spiritus). Egli sosteneva che, comprendendo la natura divina degli dei, gli umani avevano imparato a ricreare queste qualità nelle loro forme costruite.