Timeline AI
Lata 2010–2015 — narodziny głębokiego uczenia
Artykuły publikowane na tej stronie podsumowują publicznie dostępne informacje, materiały branżowe i edukacyjne dotyczące technologii.
Pierwsza połowa dekady lat 2010. to czas, gdy techniki uczenia głębokiego przekształciły się z akademickiej niszy w technologię zmieniającą przemysł. Wzrost mocy obliczeniowej kart graficznych, dostępność masowych zbiorów danych i postępy algorytmiczne stworzyły warunki, w których sieci neuronowe zaczęły osiągać wyniki wcześniej nieosiągalne.
2010
Wzrost dostępności i pojemności zbiorów danych umożliwia nowe eksperymenty z sieciami neuronowymi. Rośnie zainteresowanie uczeniem głębokim (deep learning) w środowiskach akademickich.
2011
Watson firmy IBM wygrywa turniej telewizyjnego programu Jeopardy! demonstrując zdolność komputera do rozumienia języka naturalnego i wnioskowania na skomplikowanych pytaniach.
2011
Apple wprowadza Siri — pierwszego asystenta głosowego zintegrowanego z systemem operacyjnym smartfona dostępnego masowemu konsumentowi.
2012
Sieć neuronowa AlexNet autorstwa Geoffreya Hintona i jego studentów osiąga przełomową dokładność w konkursie ImageNet. Wynik ten zapoczątkowuje nową erę głębokiego uczenia i sieci splotowych w rozpoznawaniu obrazów.
2012
Google Brain trenuje sieć neuronową złożoną z 16 000 rdzeni CPU, która uczy się rozpoznawać koty na zdjęciach z YouTube bez nadzoru człowieka — demonstrując potencjał uczenia nienadzorowanego na dużą skalę.
2013
DeepMind — londyński startup AI — zostaje przejęty przez Google. Badania nad uczeniem przez wzmacnianie nabierają tempa.
2014
Generatywne sieci przeciwstawne (GAN) zostają zaproponowane przez Iana Goodfellow jako metoda generowania realistycznych danych syntetycznych.
2014
Amazon wprowadza Alexa i głośnik Echo, otwierając rynek inteligentnych głośników i asystentów domowych.
2015
Google otwiera bibliotekę TensorFlow, demokratyzując dostęp do narzędzi głębokiego uczenia dla szerokiej społeczności programistów.
2015
Pierwsze poważne wdrożenia RPA w dużych korporacjach finansowych i ubezpieczeniowych. Automatyzacja zadań biurowych staje się realną propozycją biznesową, a nie tylko konceptem.
Kontekst epoki
Lata 2010–2015 to fundament, na którym zbudowano późniejszą eksplozję zastosowań AI. Przełomy akademickie z tego okresu — szczególnie AlexNet w 2012 roku — bezpośrednio przełożyły się na komercjalizację technik rozpoznawania obrazów, mowy i tekstu w kolejnych latach. Równolegle formowały się fundamenty infrastrukturalne: chmury obliczeniowe, platformy big data i pierwsze frameworki głębokiego uczenia otwartego kodu.