AI 发展历史
从图灵测试到深度学习，追溯人工智能 70 多年的发展历程
📚 详细子页面
点击查看各领域详细内容（每个子页面 5-10 万字）
🌱 萌芽期：AI 的诞生
人工智能的概念初步形成，图灵测试和达特茅斯会议标志着 AI 学科的正式诞生。 这一时期确立了 AI 的基本目标和研究方向。
- 1950年 - 阿兰·图灵发表《计算机器与智能》，提出"图灵测试"
- 1956年 - 达特茅斯会议，约翰·麦卡锡首次提出"人工智能"术语
- 1957年 - 弗兰克·罗森布拉特发明感知机（Perceptron）
- 1958年 - 约翰·麦卡锡开发 LISP 语言
- 1959年 - 亚瑟·塞缪尔提出"机器学习"概念
- 1966年 - MIT 开发出 ELIZA（第一个聊天机器人）
❄️ 第一次 AI 寒冬
早期对 AI 的期望过高，但实际进展缓慢。计算能力限制和理论瓶颈导致 政府和企业对 AI 研究投资大幅减少，进入第一次"AI寒冬"。
- 1969年 - 马文·明斯基证明单层感知机无法解决异或（XOR）问题
- 1973年 - 英国政府发布《莱特希尔报告》，批评 AI 研究进展不足
- 1974年 - 美国国防部（DARPA）大幅削减 AI 研究经费
- 1980年 - 专家系统（Expert Systems）兴起，AI 迎来短暂复兴
- 1986年 - 反向传播算法（Backpropagation）重新被发明
- 1987年 - AI 硬件市场崩溃，第二次寒冬开始
💼 专家系统时代
专家系统成为 AI 研究的主流方向，将领域专家的知识编码为规则， 成功应用于医疗诊断、化学分析等实际场景，带来 AI 的商业化尝试。
- 1980年 - XCON 专家系统投入使用（每年节省数千万美元）
- 1982年 - 日本启动"第五代计算机计划"（投资10亿美元）
- 1986年 - 深度学习之父 Geoffrey Hinton 重新推广反向传播
- 1987年 - AI 硬件公司 Symbolics 倒闭，标志着专家系统泡沫破裂
- 1988年 - 统计方法开始挑战符号 AI
📈 机器学习崛起
统计方法和机器学习算法逐渐取代符号 AI，支持向量机（SVM）、 随机森林等算法成为主流。数据驱动的方法开始展现优势。
- 1995年 - 科琳娜·科尔特斯和弗拉基米尔·万普尼克提出支持向量机（SVM）
- 1997年 - IBM 深蓝（Deep Blue）击败国际象棋世界冠军卡斯帕罗夫
- 1998年 - 杨立昆（Yann LeCun）提出卷积神经网络（CNN）LeNet-5
- 2002年 - 吴恩达（Andrew Ng）提出用 GPU 训练深度学习模型
- 2006年 - Geoffrey Hinton 提出深度信念网络（DBN），开启深度学习复兴
- 2009年 - ImageNet 数据集发布（1400万张标注图片）
🚀 深度学习革命
深度学习技术取得突破性进展，在图像识别、语音识别、自然语言处理等领域 大幅超越传统方法。GPU 算力和大数据成为推动力量。
- 2012年 - AlexNet 在 ImageNet 竞赛中错误率降低一半（深度学习突破）
- 2014年 - GAN（生成对抗网络）被提出，AI 开始能"创造"
- 2015年 - ResNet（残差网络）提出，训练超深网络成为可能
- 2016年 - AlphaGo 击败围棋世界冠军李世石（AI 里程碑）
- 2017年 - Transformer 架构提出（"Attention is All You Need"）
- 2018年 - BERT 模型发布（NLP 领域重大突破）
- 2019年 - GPT-2 发布（15亿参数，引发伦理争议）
🤖 大模型时代（LLM 革命）
大规模预训练语言模型（LLM）成为 AI 发展的新范式。GPT、Claude、Gemini 等 模型展现出惊人的通用能力，AI 开始真正走向大众。
- 2020年 - GPT-3 发布（1750亿参数，Few-shot Learning 能力）
- 2021年 - DALL-E 发布（文生图），GitHub Copilot 上线
- 2022年 - ChatGPT 发布（2个月1亿用户，AI 破圈）
- 2023年 - GPT-4 发布（多模态），Claude 2、Gemini 发布
- 2024年 - GPT-4o、Claude 3.5、Llama 3 发布，开源模型追赶
- 2025年 - AI Agent 兴起，多模态模型成为标配
- 2026年 - AGI（通用人工智能）讨论白热化，AI 安全成为焦点