1943 - Neurônios Artificiais: Warren McCulloch e Walter Pitts publicaram o artigo "A Logical Calculus of Ideas Immanent in Nervous Activity", descrevendo uma rede de neurônios artificiais.

1950 - Teste de Turing: Alan Turing propôs o "Teste de Turing" para avaliar a inteligência de uma máquina.

https://plato.stanford.edu/entries/turing-test/

Shakey (final dos anos 50): Embora Shakey tenha sido desenvolvido principalmente na década de 1960, os trabalhos preliminares começaram no final dos anos 50. Shakey foi o primeiro robô móvel capaz de raciocinar sobre suas ações e tomar decisões

https://iaexpert.academy/2017/04/28/shakey-primeiro-robo-com-inteligencia-artificial/?doing_wp_cron=1718570679.9019360542297363281250

Projeto MAC no MIT: O Massachusetts Institute of Technology (MIT) fundou o Projeto MAC (Mathematics and Computation), que se tornou um dos principais centros de pesquisa em IA. Marvin Minsky e John McCarthy estiveram envolvidos no projeto, que produziu vários avanços em IA e ciência da computação.

https://pt.wikipedia.org/wiki/ELIZA

Limitações dos Perceptrons: O livro "Perceptrons" de Marvin Minsky e Seymour Papert (1969) demonstrou as limitações dos perceptrons de camada única, destacando que eles eram incapazes de resolver problemas complexos ou aprender certas funções.

Desafios Técnicos: Os computadores da época não tinham a capacidade de processamento necessária para suportar redes neurais mais complexas ou algoritmos de aprendizado de máquina eficazes.

Expectativas Exageradas: As expectativas iniciais sobre a IA, baseadas em sucessos como o teorema de Akinator.

Mineração de Dados e Aplicativos de Aprendizado de Máquina: O interesse crescente em grandes volumes de dados levou ao desenvolvimento de técnicas avançadas de aprendizado de máquina para análise preditiva, segmentação de mercado e personalização de conteúdo.

Resurgimento das Redes Neurais: No início dos anos 2000, houve um ressurgimento no interesse por redes neurais artificiais, especialmente com o desenvolvimento de arquiteturas profundas como as redes neurais convolucionais (CNNs) e redes neurais recorrentes (RNNs).

Avanço da Computação em Nuvem: A disponibilidade de poder computacional escalável em nuvem permitiu treinamento mais rápido e eficiente de modelos de deep learning, facilitando o avanço em aplicações como visão computacional, processamento de linguagem natural e jogos.

Avanços em Tecnologia de Veículos Autônomos: Empresas como Tesla, Waymo e outras continuaram a avançar na tecnologia de direção autônoma, expandindo testes e desenvolvendo novas capacidades em percepção, tomada de decisão e segurança

https://www.tpsit.com.br/blog/robotica-entenda-avanco-dessa-tecnologia/