Histoire de l'IA

Apple dévoile "Apple Intelligence", sa fonctionnalité de pointe qui intègre de manière transparente les capacités de ChatGPT dans les derniers iPhone et l'assistant numérique Siri. L'ensemble permet aux utilisateurs de bénéficier d'une expérience dynamique de haute volée.

Le 15 février 2024, OpenAI dévoile Sora, un modèle d’IA capable de générer de courtes vidéos à partir de descriptions textuelles.

Google dévoile une version avancée de sa plateforme Gemini, baptisée Gemini 1.0 Ultra, laquelle offre des capacités améliorées et des mises à niveau de performances.

Le 30 octobre 2023, le président Biden signe un décret visant à promouvoir le développement et l’utilisation responsables et éthiques de l’intelligence artificielle, tout en garantissant sa sûreté, sa sécurité et sa fiabilité.

Google fait passer Bard de LaMDA au modèle de langage PaLM2 plus avancé en mai 2023.

Des géants de la technologie et de l’innovation, parmi lesquels Elon Musk et Steve Wozniak, soutiennent une pétition appelant à une pause temporaire dans le développement accéléré des systèmes d’IA avancés. Les signataires mettent en garde contre les risques potentiels liés à la création de modèles d’IA susceptibles de dépasser la compréhension et le contrôle humains, et demandent une suspension de six mois afin de réévaluer l’évolution de cette technologie.

Google présente son chatbot Bard, alimenté par les modèles de langage LaMDA et PaLM, dans une capacité limitée en réponse à ChatGPT en mars 2023.

Le modèle GPT-4 récemment dévoilé par OpenAI représente une avancée majeure par rapport à son prédécesseur, GPT-3.5, même s’il conserve certaines limites inhérentes. Parmi ses principales nouveautés figure sa capacité multimodale, qui lui permet de traiter à la fois du texte et des images. Cette version améliorée est intégrée à ChatGPT dans le cadre d’une offre premium. Selon les évaluations internes d’OpenAI, GPT-4 obtient des résultats remarquables, se classant dans le 94e percentile au SAT, le 88e percentile au LSAT et le 90e percentile à l’examen du barreau unifié (Uniform Bar Exam).

ChatGPT, le remarquable modèle de langage IA, franchit une étape sans précédent en rassemblant plus de 100 millions d'utilisateurs en janvier 2023, et s'impose ainsi comme l'application grand public à la croissance la plus rapide jamais observée.

GPT-3, un modèle de langage révolutionnaire développé par OpenAI, s'appuie sur des techniques avancées d'apprentissage profond pour générer du texte de type humain dans divers domaines, notamment le code informatique ou de la poésie, entre autres tâches linguistiques. Avec une capacité du modèle sans précédent et dix fois supérieure à celle de son prédécesseur T-NLG ; GPT-3 produit des résultats étonnamment similaires et presque impossibles à distinguer du contenu écrit par un humain. Ce modèle de langage innovant a été dévoilé en mai 2020 et est entré en phase de test bêta le mois suivant.

AlphaFold 2, le modèle de prédiction de la structure des protéines de DeepMind, sort vainqueur du concours CASP 2020 qui s'est tenu en novembre.

En février 2020, Microsoft dévoile le Turing Natural Language Generation (T-NLG), un modèle de langage massif comptant 17 milliards de paramètres, un nombre alors sans précédent. Il établit ainsi un nouveau record en devenant le plus grand modèle de langage jamais publié à cette date.

Google dévoile Duplex, un système d'intelligence artificielle capable d'engager des conversations naturelles pour gérer des tâches telles que la planification de rendez-vous. Le discours de l'IA imite les schémas vocaux humains de manière si convaincante que le Los Angeles Times l'a décrit comme une imitation "presque parfaite".

Un système d'intelligence artificielle développé par Alibaba pour le traitement du langage surpasse les performances des meilleurs participants humains lors d'un examen de lecture et de compréhension de l'Université de Stanford. L'IA a obtenu un score de 82,44, dépassant légèrement le score humain de 82,304, sur un test comprenant 100 000 questions.

L’invention de l’architecture Transformer ouvre la voie à de nouveaux modèles de langage de grande taille, comme BERT de Google. Par la suite, OpenAI innove avec le modèle GPT (Generative Pre-trained Transformer), marquant une étape majeure dans le développement de l’IA générative.

Un système d'intelligence artificielle développé par OpenAI participe à The International 2017, un prestigieux tournoi Dota 2, où il est sorti victorieux contre le joueur professionnel Dendi dans un match 1 contre 1.

Un outil logiciel utilisé pour résoudre les problèmes de satisfaction booléenne en logique propositionnelle est utilisé pour étayer une conjecture mathématique de longue date concernant les triplets pythagoriciens dans l'ensemble des entiers. La preuve initiale, couvrant un énorme volume de 200 téraoctets, est validée par deux systèmes de vérification automatique de preuve certifiés distincts.

L'algorithme Deepstack116 a surpassé les joueurs humains dans les jeux à information imparfaite, en particulier au poker no-limit et de manière significative. Par la suite, l'IA de poker Libratus, développée par un autre groupe de recherche, a vaincu chacun de ses quatre adversaires humains hautement qualifiés, obtenant un taux de victoire global exceptionnellement élevé sur un échantillon statistiquement significatif. Contrairement aux échecs et au go, le poker est un jeu à information imparfaite, ce qui rend la victoire plus difficile.

Un système d'IA appelé AlphaGo, développé par Google DeepMind, bat Fan Hui, joueur de Go professionnel et triple champion d'Europe, avec un score de 5 à 0.

En janvier 2015, des personnalités de renom telles que Stephen Hawking, Elon Musk et de nombreux experts en IA signent une lettre ouverte appelant à étudier les répercussions potentielles de l’IA sur la société.

Des techniques telles que les Highway Networks et les réseaux résiduels (ResNets) ont permis d’entraîner des réseaux neuronaux extrêmement profonds comptant plus de 1000 couches, une prouesse auparavant difficile à réaliser.

NEIL, un système conçu pour apprendre en continu et analyser les relations visuelles entre les images, est dévoilé à l'Université Carnegie Mellon. Il lui permet de comparer en permanence différentes images et d'examiner les liens qu'elles entretiennent entre elles.

AlexNet, le modèle d'apprentissage profond pionnier dans la reconnaissance d'images, a été conçu par Alex Krizhevsky. Il a marqué un tournant décisif en remportant le concours ImageNet Large Scale Visual Recognition Challenge avec un taux d'erreur nettement inférieur à celui de son concurrent le plus proche. Cet exploit a constitué un moment clé dans l'histoire de l'IA, entraînant l'adoption généralisée des techniques d'apprentissage profond pour les tâches de reconnaissance d'images et l'abandon de nombreuses autres approches. La réussite de Krizhevsky doit beaucoup à son utilisation novatrice des puces GPU pour entraîner le réseau d'apprentissage profond.

Ces assistants virtuels intelligents exploitent les capacités de traitement du langage naturel pour comprendre les requêtes des utilisateurs, fournir des informations pertinentes, proposer des suggestions et exécuter des tâches sur les téléphones portables.

Un système d'intelligence artificielle nommé Watson, développé par IBM, surpasse les champions du jeu télévisé populaire Jeopardy!, Rutter et Jennings.

Mary Lou Maher et Doug Fisher dirigent un atelier inaugural de l'Association pour l'avancement de l'intelligence artificielle, axé sur le lien entre l'IA et la durabilité environnementale.

Un réseau neuronal récurrent appelé LSTM, formé à l'aide d'une classification temporelle connexionniste, sort vainqueur des compétitions de reconnaissance de formes, en particulier dans le domaine de la reconnaissance de l'écriture manuscrite connectée, ce qui marque une étape importante en tant que premier du genre à obtenir un tel succès.

Un groupe de chercheurs de l’Université de l’Alberta a réussi à déterminer le résultat du jeu de dames grâce à une analyse informatique.

La célèbre revue scientifique Philosophical Transactions of the Royal Society, B – Biology, publie une édition spéciale explorant l'application de l'intelligence artificielle pour comprendre l'intelligence biologique, intitulée "Modèles de sélection d'actions naturelles".

La conférence sur l'intelligence artificielle de Dartmouth explore l'avenir de l'IA au cours des cinq décennies à suivre. L'événement, intitulé "AI@50", s'est déroulé du 14 au 16 juillet 2006.

Une initiative révolutionnaire, Blue Brain, est lancée pour développer une simulation complète du cerveau au niveau moléculaire.

OWL (Web Ontology Language) est une recommandation du W3C publiée le 10 février 2004. Ce langage sert à représenter des ontologies ou des domaines de connaissances sur le web.

Des robots interactifs commercialement viables, surnommés "jouets intelligents" ou "jouets interactifs", arrivent sur le marché, et rendent réelles les aspirations des créateurs de jouets innovants du XVIIIe siècle.

Le projet d'architecture Oxygen, un système conçu pour intégrer des appareils informatiques mobiles et fixes au sein d'un environnement réseau adaptable.

Une salle intelligente et des assistants capables d'émotion sont développés au laboratoire IA du MIT.

Les programmes alimentés par l’IA, tels que les robots d’exploration du web, jouent un rôle essentiel dans l’extraction et l’exploitation des informations issues de l’immense étendue du World Wide Web.

Ulises Cortés et Miquel Sànchez-Marrè lancent en Europe un atelier pionnier intitulé "Binding Environmental Sciences and Artificial Intelligence", dont l’objectif est de rapprocher les sciences de l’environnement et l’intelligence artificielle dans le cadre de la conférence ECAI.

Tim Berners-Lee présente une feuille de route du web sémantique, laquelle décrit une vision d’un web plus intelligent et interconnecté.

Le lancement de Furby de Tiger Electronics marque une étape importante : c'est le premier produit IA qui connaît un succès commercial.

Un réseau neuronal artificiel appelé Long Short-Term Memory (LSTM) est introduit par Sepp Hochreiter et Juergen Schmidhuber dans leur article de recherche publié dans la revue Neural Computation.

Un logiciel IA capable de jouer à Othello, connu sous le nom de Logistello, remporte la victoire par 6-0 contre Takeshi Murakami, le champion du monde en titre du jeu.

Un puissant ordinateur spécialiste des échecs nommé Deep Blue et développé par IBM, triomphe du champion du monde d'échecs en titre Garry Kasparov dans un match historique.

Cindy Mason, employée par la NASA, orchestre l'atelier international inaugural de l'IJCAI consacré à l'exploration du rôle de l'intelligence artificielle dans les questions environnementales.

Le programme informatique Chinook triomphe du champion du monde de dames anglaises Tinsley, lequel a abandonné son match. De plus, Chinook bat Lafferty, le deuxième joueur le mieux classé. Il a également remporté une victoire éclatante au tournoi national des États-Unis, en s'imposant avec une marge sans précédent.

Professeur à Berkeley, Zadeh développe le concept de "soft computing", qui combine plusieurs disciplines telles que les réseaux neuronaux, la logique floue, les algorithmes évolutionnaires, la programmation génétique et la théorie du chaos. Il met en place un réseau mondial de recherche réunissant ces domaines, ouvrant la voie à d’importantes avancées dans les systèmes d’intelligence computationnelle et d’aide à la décision.

La société ISX a été désignée meilleur prestataire par la DARPA (Defense Advanced Research Projects Agency, une agence chargée de la recherche et du développement de nouvelles technologies militaires) pour son outil d'analyse dynamique et de replanification (DART). Le succès de cet outil basé sur l'IA a été jugé extrêmement précieux, dépassant l'investissement total du gouvernement dans la recherche sur l'IA sur plusieurs décennies.

L'application de planification DART, utilisée pendant la guerre du Golfe, a démontré avec succès la valeur des trois décennies d'efforts de recherche de la DARPA en intelligence artificielle, justifiant l'investissement substantiel réalisé dans ce domaine.

TD-Gammon, un programme de backgammon développé par Gerry Tesauro, démontre l’efficacité de l’apprentissage par renforcement pour concevoir un système capable de rivaliser avec les meilleurs joueurs mondiaux à un niveau de compétition de championnat.

L'IA connait des progrès significatifs dans divers domaines, notamment l'apprentissage automatique, les systèmes de tutorat intelligents, le raisonnement basé sur des cas précis, la planification multi-agents, les algorithmes de planification, les techniques de raisonnement incertain, les méthodes d'exploration de données, le traitement du langage naturel et les modèles de traduction, la vision par ordinateur, les simulations de réalité virtuelle, le développement de jeux et d'autres domaines émergents.

ALVINN (An Autonomous Land Vehicle in a Neural Network), un système développé par Dean Pomerleau à l’Université Carnegie Mellon, est utilisé dans le cadre du projet Navlab pour permettre la navigation autonome de véhicules terrestres grâce à la technologie des réseaux neuronaux.

Les progrès de la technologie CMOS (Complementary Metal-Oxide-Semiconductor), une forme de circuit MOS à très grande échelle d’intégration (VLSI), permettent la mise en œuvre pratique des réseaux neuronaux artificiels (RNA) dans les années 1980. Un ouvrage majeur dans ce domaine, le livre Analog VLSI Implementation of Neural Systems, a été publié en 1989 par Carver A. Mead et Mohammed Ismail, et joue un rôle important dans le développement de la technologie des réseaux neuronaux artificiels.

Une société appelée Alacritous Inc./Allstar Advice Inc. de Toronto lance la deuxième génération de son système de conseil stratégique et managérial commercial, Alacrity 2.0. Ce système utilisait un système expert en chaîne avant avec environ 3000 règles axées sur l'évolution du marché et les stratégies concurrentielles. Il a été co-écrit par les fondateurs de la société, Alistair Davidson et Mary Chung, tandis que le moteur sous-jacent a été développé par Paul Tarvydas. De plus, Alacrity 2.0 intégrait un petit système d'expertise financière capable d'interpréter les états financiers et les modèles.

Les travaux de Marvin Minsky sur un modèle théorique de l'esprit, dans lequel il le propose comme un ensemble d'agents coopérants. Il avait présenté cette idée lors de conférences des années avant de publier son livre, The Society of Mind.

Les chercheuses pionnières Barbara Grosz et Candace Sidner développent le cadre informatique initial pour l’analyse du discours, ouvrant la voie à un nouveau domaine d’étude.

L’algorithme de rétropropagation, également appelé mode inverse de la différenciation automatique, est introduit par Seppo Linnainmaa en 1970 avant d’être appliqué aux réseaux neuronaux par Paul Werbos. Cette avancée contribue largement à l’adoption généralisée des réseaux neuronaux.

Le calcul d'intervalles, une formalisation pionnière des événements temporels, est conçue par James F. Allen, marquant une avancée significative dans le domaine.

John Laird et Paul Rosenbloom, en collaboration avec Allen Newell, ont finalisé leur recherche doctorale sur le programme Soar à l'Université Carnegie Mellon.

Le projet de systèmes informatiques de cinquième génération (FGCS), lancé par le ministère japonais du Commerce international et de l'Industrie en 1982, visait à développer un "ordinateur de cinquième génération" qui exploiterait un parallélisme massif pour effectuer des calculs de grande envergure. Le projet s'est concentré sur la création d'un système informatique capable d'exécuter des calculs complexes grâce à un traitement parallèle.

Danny Hillis a conçu un système de calcul parallèle révolutionnaire, baptisé la Connection Machine, qui a considérablement renforcé les capacités de l'IA et du calcul informatique. Par la suite, il a fondé la société Thinking Machines Corporation.

La conférence inaugurale de l'AAAI, une organisation dédiée à l'intelligence artificielle, a lieu à l'Université Stanford.

Au cours de cette période, des machines Lisp ont été conçues, fabriquées et commercialisées. De plus, les premiers shells de systèmes experts et les premières applications commerciales ont vu le jour.

Dirigée par Ed Feigenbaum et Joshua Lederberg, la ressource SUMEX-AIM de Stanford a montré comment l'ARPAnet a facilité la coopération scientifique.

Les chercheurs du MIT et de Stanford sont les pionniers de l’étude des logiques non monotones, en explorant des méthodes formelles pour gérer et actualiser les connaissances à mesure que de nouvelles informations deviennent disponibles.

Un programme informatique de backgammon, développé par Hans Berliner à la CMU, parvient à vaincre le champion du monde actuel, en partie grâce à un concours de circonstances.

Un véhicule autonome développé par Hans Moravec à l'Université de Stanford, connu sous le nom de Stanford Cart, franchit une étape importante en naviguant de manière autonome dans une pièce remplie de chaises et en manœuvrant autour du Stanford AI Lab.

Des chercheurs de l’Université de Stanford, dont Cordell Green, David Barstow et Elaine Kant, introduisent le système CHI, qui permet la programmation automatique.

INTERNIST est un programme de diagnostic médical basé sur les connaissances créé par Jack Myers et Harry Pople, chercheurs à l'Université de Pittsburgh. Il s'appuie sur l'expertise clinique de Myers pour diagnostiquer des problèmes médicaux.

Le programme MOLGEN, développé à l’Université de Stanford, a démontré le potentiel de la programmation orientée objet pour représenter les connaissances et planifier des expériences de clonage de gènes.

La rationalité limitée, un concept révolutionnaire introduit par Herbert A. Simon, lui a valu le prix Nobel d’économie. Cette théorie, qui constitue un pilier fondamental de l’intelligence artificielle, postule que les individus prennent des décisions basées sur des informations et des capacités cognitives limitées, ce qui aboutit à des choix qui satisfont leurs besoins plutôt que de maximiser les résultats optimaux.

Un chercheur nommé Tom Mitchell de l'Université de Stanford a proposé l'idée d'espaces de versions, qui représentent l'espace de recherche pour un algorithme de formation de concept.

Les recherches doctorales de Davis à Stanford démontrent l'efficacité du raisonnement au méta-niveau, où un système d'IA peut raisonner sur ses propres processus de pensée.

Le programme AM, développé par Douglas Lenat dans le cadre de sa thèse de doctorat à Stanford, illustre le modèle de découverte, fondé sur une exploration relativement guidée visant à formuler des conjectures intéressantes.

La perception visuelle commence par la création d’une représentation préliminaire, appelée "esquisse primitive", qui capture les caractéristiques essentielles de l’information visuelle initiale, telles que les contours, les frontières et l’orientation des surfaces. Cette étape fondamentale pose les bases des processus ultérieurs de traitement et de reconnaissance des objets et des scènes.

Barbara Grosz découvre que les méthodes traditionnelles IA pour modéliser le discours ont des limites. Plus tard, Grosz, avec Bonnie Webber et Candace Sidner, développe le concept de "centrage", lequel permet de déterminer l'orientation du discours et de résoudre les références anaphoriques dans le traitement du langage naturel.

Le système d'intelligence artificielle Meta-Dendral fait des découvertes révolutionnaires dans le domaine de la chimie, notamment dans le domaine de la spectrométrie de masse, lesquelles sont publiées dans une revue scientifique à comité de lecture, marquant ainsi une étape importante en tant que premières découvertes scientifiques réalisées par un ordinateur.

L'article influent de Marvin Minsky sur les cadres introduit une représentation de la connaissance qui associe des idées sur les schémas et les connexions sémantiques.

Austin Tate crée le système Nonlin, qui pourrait explorer différents plans partiels comme moyens alternatifs pour atteindre les objectifs de planification globale.

Earl Sacerdoti introduit des méthodes de planification d'ordre partiel avec son système NOAH, s'écartant de l'approche de recherche d'espace d'état précédente. NOAH est utilisé chez SRI International pour le diagnostic interactif et la réparation de systèmes électromécaniques.

Dans sa thèse de doctorat à Stanford, Ted Shortliffe présente MYCIN, un système de diagnostic médical fondé sur des règles et capable de gérer l’incertitude. Inspiré de DENDRAL, MYCIN exerce une influence majeure sur le développement des systèmes experts, en particulier dans le domaine des applications commerciales.

Le rapport Lighthill critique la recherche sur l’IA en Grande-Bretagne, ce qui a conduit le gouvernement à réduire le financement des études sur l’IA, sauf dans deux universités.

Earl Sacerdoti crée un système de planification hiérarchique précoce appelé ABSTRIPS.

Alain Colmerauer crée le langage de programmation Prolog.

Le développement du démonstrateur du théorème de Boyer-Moore commence à Édimbourg.

Bill Woods introduit les réseaux de transition augmentés (Augmented Transition Networks, ou ATN) comme méthode de représentation et de compréhension du langage naturel.

Jaime Carbonell (Sr.) a créé SCHOLAR, un logiciel interactif qui facilite l'apprentissage assisté par ordinateur, en utilisant des réseaux sémantiques pour la représentation des connaissances.

Seppo Linnainmaa introduit le mode inverse de différenciation automatique, une technique appelée plus tard rétropropagation et largement utilisée pour la formation des réseaux neuronaux artificiels.

Au SRI, Jane Robinson et Don Walker fondent un groupe de recherche avant-gardiste, axé sur le traitement du langage naturel, lequel a un impact significatif sur le domaine.

McCarthy et Hayes introduisent le problème du cadre dans le raisonnement de l’IA.

Dans leur ouvrage "Perceptrons", Minsky et Papert mettent en évidence les limites des réseaux neuronaux simples, ce qui, selon certains, contribue à déclencher le premier hiver de l'IA dans les années 1970. Pourtant, des méthodes d'apprentissage profond existent déjà grâce aux travaux d'Ivakhnenko, de Lapa et d'Amari.

Stanford accueille la première conférence IJCAI (International Joint Conference on Artificial Intelligence).

À Stanford, Yorick Wilks est le pionnier de la sémantique des préférences (Preference Semantics) et développe le premier système de traduction automatique fondé sur l’analyse sémantique. Ses travaux influencent de nombreux chercheurs par la suite.

Roger Schank développe le modèle de dépendance conceptuelle pour la compréhension du langage à Stanford, lequel a ensuite été développé plus avant à Yale grâce aux travaux de doctorat de Wilensky, Lehnert et Kolodner pour la compréhension des histoires et la modélisation de la mémoire.

Wallace et Boulton créent Snob, l’un des premiers algorithmes de regroupement, qui applique le principe du rasoir d’Occam à travers les principes bayésiens de longueur minimale de message.

Au MIT, Richard Greenblatt développe Mac Hack, un programme d’échecs révolutionnaire qui atteint le niveau de la catégorie C en tournoi, devenant ainsi la première IA dédiée aux échecs capable de rivaliser de manière crédible avec des joueurs humains.

Joel Moses a été un pionnier des mathématiques symboliques grâce à son travail de doctorat au MIT sur Macsyma - le premier programme à résoudre avec succès des problèmes d'intégration de calcul en utilisant l'intelligence artificielle et la représentation des connaissances.

Shun'ichi Amari est le premier à utiliser la descente de gradient stochastique pour l'apprentissage profond dans les perceptrons multicouches. Dans des expériences informatiques menées par son élève Saito, un perceptron multicouche à cinq couches avec deux couches modifiables apprend des représentations internes utiles pour classer les classes de motifs non linéairement séparables.

- Ross Quillian démontre les réseaux sémantiques dans sa thèse de doctorat au Carnegie Institute of Technology (aujourd'hui CMU).

- L'atelier Machine Intelligence 71 à Édimbourg a été le premier d'une série annuelle influente organisée par Donald Michie et d'autres.

- Un rapport négatif sur la traduction automatique ralentit de nombreux travaux dans le traitement du langage naturel (TAL) pendant de nombreuses années.

- Le programme Dendral, développé par Edward Feigenbaum, Joshua Lederberg, Bruce Buchanan et Georgia Sutherland à l'Université de Stanford, démontre la capacité d'interpréter les spectres de masse sur les composés chimiques organiques, ce qui en fait le premier programme basé sur la connaissance pour le raisonnement scientifique.

Edward Feigenbaum lance le projet Dendral, un projet de dix ans visant à développer un logiciel capable de déduire la structure moléculaire des composés organiques à partir de données d'instruments scientifiques. Dendral a été le premier système expert.

J. Alan Robinson invente la méthode de résolution, une procédure de preuve mécanique qui permettait aux programmes de fonctionner efficacement avec la logique formelle comme langage de représentation.

En 1965, Lotfi A. Zadeh, professeur à l'université de Californie à Berkeley, a publié son article fondateur intitulé "Fuzzy Sets" dans la revue Information and Control, dans lequel il a introduit le concept de logique floue.

Ivakhnenko et Lapa créent le premier algorithme d’apprentissage profond pour la formation de perceptrons multicouches en Union soviétique, des techniques pionnières qui deviendront plus tard fondamentales pour les réseaux neuronaux modernes.

La thèse de Bobrow au MIT démontre que les ordinateurs peuvent comprendre le langage naturel suffisamment pour résoudre des problèmes de mots en algèbre, tandis que les travaux de Raphael sur SIR ont montré comment la représentation logique des connaissances pouvait permettre aux systèmes informatiques de répondre à des questions.

Uhr et Vossler créent l’un des premiers programmes d’apprentissage automatique adaptatif capables de générer et de modifier ses propres caractéristiques, dépassant ainsi les limites des perceptrons de Rosenblatt.

Feigenbaum et Feldman compilent "Computers and Thought", la première anthologie d’articles de recherche axés sur l’intelligence artificielle.

Solomonoff établit une base mathématique pour l’IA en développant des approches bayésiennes universelles pour faire des prédictions et apprendre à partir d’exemples.

Masterman et son équipe de Cambridge créent des réseaux sémantiques conçus pour faciliter la traduction automatique.

Newell, Shaw et Simon développent le General Problem Solver (GPS) à Carnegie Mellon University, tandis que McCarthy et Minsky fondent le laboratoire d'IA du MIT.

McCarthy crée Lisp, l'un des premiers langages de programmation conçus pour l'IA. Chez IBM, Gelernter et Rochester développent un démonstrateur de théorèmes géométriques qui utilise des modèles visuels de cas typiques. La conférence Teddington est marquée par plusieurs articles influents : la proposition de McCarthy pour le preneur de conseils et le raisonnement de "bon sens", le "Pandemonium" de Selfridge et les travaux de Minsky sur la programmation heuristique.

McCarthy, Minsky, Rochester et Shannon ont organisé la conférence d'été du Dartmouth College, où McCarthy a introduit le terme "intelligence artificielle" : un événement qui marque le début officiel de l'IA en tant que domaine de recherche et d'expertise.

Arthur Samuel développe en 1952 le premier programme de jeu capable de rivaliser sérieusement avec des joueurs humains : un programme de jeu de dames. En 1955, il l’améliore en lui ajoutant des capacités d’apprentissage, lui permettant ainsi de progresser grâce à l’expérience acquise.

Strachey et Prinz ont créé les premiers programmes d'IA fonctionnels en 1951, en développant respectivement des programmes de dames et d'échecs pour l'ordinateur Ferranti Mark 1 de l'Université de Manchester.

Donald Hebb établit la théorie hebbienne, laquelle propose un mécanisme permettant aux réseaux neuronaux d'apprendre en renforçant les connexions entre les neurones qui s'activent ensemble.

Bush publie "As We May Think" dans The Atlantic Monthly, décrivant un avenir où les ordinateurs amélioreraient les capacités humaines dans diverses activités.

Von Neumann et Morgenstern publient "Theory of Games and Economic Behavior", un ouvrage qui établit la théorie des jeux comme un cadre mathématique appelé à jouer un rôle majeur dans le développement futur de l’IA.

Rosenblueth, Wiener et Bigelow introduisent le terme "cybernétique", que Wiener a plus tard popularisé dans son livre éponyme en 1948.

McCulloch et Pitts publient "A Logical Calculus of the Ideas Immanent in Nervous Activity", lequel fournit le premier modèle mathématique de réseaux neuronaux artificiels et représentent la manière dont les neurones peuvent effectuer des opérations logiques.

Zuse achève la construction du premier ordinateur universel programmable pleinement opérationnel.

Edward Condon crée Nimatron ; un ordinateur numérique capable de jouer au jeu Nim sans faire d'erreurs.

Konrad Zuse dépose un brevet pour l'un des premiers ordinateurs programmables

Alonzo Church s'appuie sur les travaux de Gödel et prouve l'indécidabilité des problèmes de calcul généraux et en développant le calcul lambda, lequel est devenu essentiel à la théorie du langage de programmation informatique.

Kurt Gödel démontre les limites fondamentales des systèmes de calcul en codant des énoncés mathématiques sous forme de nombres et en montrant que certaines affirmations vraies ne peuvent être prouvées par aucun système mécanique cohérent. Cette avancée majeure a profondément influencé l'informatique théorique et l'IA.

Le modèle d'Ising, développé par Lenz et Ising en 1925, était une forme précoce de réseau neuronal récurrent utilisant des éléments de seuil. Amari a ensuite rendu ce système adaptable en 1972.

Torres Quevedo a créé El Ajedrecista, la première machine capable de jouer automatiquement certaines finales d’échecs, et a également été un pionnier de concepts tels que l’arithmétique en virgule flottante. Dans ses Essais sur l’automatique, il a exploré la relation entre la pensée et les machines automatisées, ce qui lui a valu d’être reconnu comme l’un des précurseurs de l’IA.

Les Principia Mathematica de Russell et Whitehead démontrent que les mathématiques de base peuvent être exprimées par un raisonnement logique formel.

Samuel Butler suggère que les machines pourraient évoluer comme des organismes biologiques, prédisant qu'elles pourraient éventuellement développer une conscience et remplacer les humains.

George Boole crée l'algèbre booléenne, un système mathématique conçu pour exprimer et analyser les opérations fondamentales du raisonnement humain.

Bernard Bolzano pose les bases de l’approche moderne de la formalisation du sens dans le langage et la logique (sémantique).

Babbage et Lovelace participent au développement d’ordinateurs mécaniques qui pouvaient être programmés pour effectuer des calculs.

Legendre et Gauss développent la régression linéaire (également appelée méthode des moindres carrés) à la fin du XVIIIᵉ siècle et au début du XIXᵉ siècle afin de prédire le mouvement des planètes. Cette technique mathématique est ensuite considérée comme la forme la plus simple de réseau neuronal artificiel.

Von Kempelen crée Le Turc, une prétendue machine capable de jouer aux échecs qui parcourt l’Europe en battant de nombreux adversaires humains. Elle sera par la suite démasquée comme une supercherie dissimulant un joueur d’échecs humain à l’intérieur du dispositif.

L'essai publié à titre posthume de Thomas Bayes introduit ce qui est devenu connu sous le nom de théorème de Bayes, un principe mathématique qui deviendra plus tard fondamental pour les systèmes d'IA grâce aux réseaux bayésiens.

Dans son ouvrage L'Homme Machine, La Mettrie soutient que les processus de pensée humains sont entièrement de nature mécanique.

David Hume a reconnu dans l'induction, cette démarche qui consiste à tirer des principes généraux à partir d'exemples particuliers, une méthode fondamentale d'apprentissage.

Daniel Bernoulli développe le concept d'utilité et étend la théorie des probabilités à un cadre de mesure de la valeur et de prise de décision : des principes qui deviennent plus tard fondamentaux dans la manière dont les systèmes d'IA modélisent les objectifs et les choix.

Dans Les Voyages de Gulliver, Swift tourne en dérision l’Ars Magna de Llull et la logique mécanique de Leibniz à travers le Moteur de Laputa, une machine fictive prétendant produire des ouvrages savants sans nécessiter ni intelligence ni connaissances.

Leibniz imagine un système logique universel attribuant des valeurs numériques à tous les objets, dans le but de créer une méthode algébrique permettant de résoudre n'importe quel problème par un raisonnement mécanique.

Leibniz découvre la règle de la chaîne, un principe mathématique qui devient par la suite essentiel à l'entraînement des réseaux neuronaux grâce à des algorithmes tels que la rétropropagation.

Leibniz fait progresser le calcul mécanique en créant la machine à calculer Stepped Reckoner, capable d'effectuer des opérations de multiplication et de division.

Descartes a théorisé que les corps animaux fonctionnaient comme des machines sophistiquées, tout en soutenant que la conscience et les processus mentaux étaient fondamentalement distincts.

Blaise Pascal crée la première calculatrice numérique : un appareil mécanique capable d'effectuer des calculs numériques.

Le Novum Organum de Francis Bacon, nommé en référence à l'œuvre d'Aristote, a établi la méthodologie empirique et le raisonnement inductif comme fondements de l'acquisition de la connaissance.

Selon la légende, le rabbin Loew de Prague aurait créé le Golem, un être artificiel façonné à partir d'argile et amené à la vie par magie.

Paracelse, médecin et alchimiste de la Renaissance, affirme avoir créé un être humanoïde à l'aide d'une combinaison de forces magnétiques, de matière reproductive et de procédés alchimiques.

Au XIIIe siècle, Ramon Llull crée l'Ars Magna en adaptant un dispositif arabe appelé Zairja pour combiner mécaniquement des concepts. Il les imaginait comme des machines capables de générer des connaissances complexes en combinant des vérités simples. Ce concept a influencé plus tard le travail de Leibniz dans les années 1600.

Al-Jazari conçoit un orchestre automatisé composé de figures humanoïdes mécaniques qui peuvent être programmées pour jouer de la musique de manière coordonnée.

Al-Khwarizmi rédige d’influents ouvrages de mathématiques présentant des procédures détaillées et systématiques pour résoudre des problèmes d’arithmétique et d’algèbre. Ces méthodes sont largement utilisées dans le monde islamique, en Inde et en Europe pendant plusieurs siècles, jusqu’au XVIᵉ siècle. Son nom est à l’origine du mot "algorithme", en référence à sa contribution majeure au développement de méthodes systématiques de résolution de problèmes.

L’alchimiste arabe Jabir ibn Hayyan élabore un cadre théorique appelé Takwin, qui explore la possibilité de créer artificiellement la vie, y compris la vie humaine, au moyen de procédés de laboratoire.

Porphyre, philosophe grec, rédige l’Isagogè, un ouvrage qui organise les connaissances et la logique en catégories. Il y présente notamment une représentation visuelle considérée comme l’un des premiers exemples de réseau sémantique, permettant d'illustrer les relations entre les concepts au moyen d'un schéma structuré.

Héron d'Alexandrie, inventeur grec de l'Antiquité, a conçu divers dispositifs automatisés, notamment des figures humanoïdes mécaniques. L'une de ses réalisations les plus remarquables fut la création de ce que certains considèrent comme la première machine programmable de l'histoire : un théâtre automatisé capable d'exécuter des mouvements et des scènes prédéfinis selon un scénario.

Ctésibios, un ingénieur grec de l'Antiquité, crée une horloge à eau sophistiquée dotée d'un système d'alarme. Cet appareil est révolutionnaire car il représente la première utilisation connue d'un mécanisme de contrôle par rétroaction, dans lequel le système peut surveiller et ajuster son propre fonctionnement en fonction de son état du moment.

Aristote apporte deux contributions importantes aux fondements de la pensée systématique et de la résolution de problèmes :

1) Dans son ouvrage Organon, il développe le syllogisme – une méthode structurée de raisonnement logique où les conclusions sont tirées de deux prémisses. Il s'agit de l'un des premiers systèmes formalisés de pensée logique mécanique, étape par étape.

2) Dans son Éthique à Nicomaque, il décrit ce que nous appelons aujourd'hui l'analyse des moyens et des fins – une méthode de résolution de problèmes qui consiste à identifier de manière répétée l'écart entre l'état actuel et l'état final, puis à prendre des mesures pour le réduire. Il est intéressant de noter que ce même algorithme de base sera implémenté des milliers d'années plus tard dans l'un des premiers programmes d'IA, le General Problem Solver, créé par Newell et Simon en 1959.

Durant la dynastie Zhou en Chine, un ingénieur nommé Yan Shi a créé et montré au roi Mu des figures automatisées ou "hommes mécaniques" qui pouvaient se déplacer d'eux-mêmes.

Dans l'Égypte et la Grèce antiques, les gens croyaient que certaines statues sacrées possédaient une conscience et des sentiments. Selon les écrits attribués à Hermès Trismégiste, ces statues mécaniques étaient censées avoir à la fois une perception sensorielle (sensus) et une force vitale ou un souffle (spiritus). Il affirmait qu'en comprenant la nature divine des dieux, les humains avaient appris à recréer ces qualités dans leurs formes construites.