ICML 1980
国际机器学习大会（ICML）的起源可追溯至1980年7月在匹兹堡卡内基梅隆大学首次举办的国际机器学习研讨会。该研讨会由Jaime Carbonell、Ryszard S. Michalski和Tom M. Mitchell组织，汇集了一小群研究人员，讨论当时作为Artificial intelligence领域内一个细分方向的机器学习新兴领域。
1980年的研讨会为后来成为世界上最古老且最负盛名的机器学习会议之一（与NeurIPS和ICLR并列）奠定了基础。几十年来，ICML已从单一研讨会发展为每年吸引数千名研究人员的年度会议，其论文集以开放获取的《机器学习研究论文集》（PMLR）形式出版。1980年的活动不仅因其历史意义而引人注目，还确立了算法、统计学习和理论分析这一核心关注点，这一关注点至今仍定义着ICML。
起源与组织
举办该研讨会的想法源于20世纪70年代末人工智能研究人员对机器学习日益增长的兴趣，尤其是在Xerox PARC和MIT CSAIL等机构。Carbonell、Michalski和Mitchell都是人工智能领域的杰出人物，他们组织此次活动旨在促进合作并分享学习算法的早期发展。研讨会于卡内基梅隆大学校园内举行，这所大学在随后的几十年中成为机器学习研究的主要中心。
当时，机器学习在很大程度上被归入符号人工智能之下，早期工作集中于基于规则的系统、决策树和归纳推理。研讨会讨论了概念学习、启发式搜索和知识表示等主题，反映了1980年该领域的状况。规模相对较小的聚会使得参与者之间能够进行深入交流，为早期ICML版本所特有的紧密、技术导向的氛围开创了先例。
向会议的转变
1980年之后的十多年里，该活动继续以年度研讨会的形式举办，名称为国际机器学习研讨会，地点在各大学和研究实验室之间轮换。1993年，它被正式升级为完整的会议系列，并采用国际机器学习大会的名称。这一转变反映了该领域的快速发展，以及为容纳日益增多的投稿和参会者而需要更大场所的需求。
1980年研讨会的成功在说服人工智能社区机器学习应拥有自己的专门论坛方面发挥了重要作用。到20世纪90年代中期，ICML已成为发表神经网络、决策树和贝叶斯方法研究的关键场所，通常与国际机器学习学会（IMLS）合作，该学会目前负责监督该会议。向会议模式的转变还带来了正式的论文评审和论文集出版，这有助于规范该领域的研究成果。
遗产与影响
1980年的研讨会常被视为机器学习作为独立学科的开端。许多早期参与者后来成为人工智能领域的领导者，他们在研讨会上的合作催生了持久的研究项目。例如，Tom M. Mitchell后来撰写了有影响力的教科书《机器学习》，并为Carnegie Mellon University著名的机器学习项目做出了贡献，而Ryszard Michalski于1986年创办了《机器学习》期刊，为早期研究提供了专门的发表渠道。
研讨会强调严格的实证评估和算法创新，这一标准在ICML的同行评审过程中得以延续。如今，ICML的出版物包括K-means聚类通过PCA（2004）、批归一化（2015）和EfficientNet（2019）等基础性工作，这些都塑造了现代人工智能。1980年活动的规模与2025年会议12,107篇投稿的规模形成鲜明对比，但核心使命始终未变：推进机器学习科学。
对现代人工智能的影响
1980年研讨会上播下的思想种子已成长为广阔的现代机器学习领域，如今它为Deep learning、大型语言模型和Neural network系统等技术提供动力。对学习算法和泛化能力的强调为Transformer (architecture)架构和Generative AI模型等突破奠定了基础，这些模型由OpenAI和Google DeepMind等组织开发。尽管1980年的参与者几乎无法预见当今人工智能的规模，但他们早期对计算学习机制的关注被证明具有远见。
ICML的持续增长，从2015年的1,037篇投稿到2025年的12,107篇，再到2026年的24,371篇，凸显了始于卡内基梅隆大学这一领域的持久相关性。研讨会强调开放讨论和思想交流，这一特点仍是现代会议的标志，如今每年吸引数千名研究人员和行业赞助商。