人工智能发展史

人工智能（Artificial Intelligence，简称 AI）的发展并非一蹴而就，而是经历了七十余年的理论积淀、技术突破与几度起伏。回顾这段历史，可以清晰地看到一条从哲学思辨到工程实践、从符号主义到连接主义、再到今日大模型的演进脉络。

一、思想萌芽（1940 年代以前）

人类对“机器能否思考”的追问由来已久。早在古希腊时期，哲学家们就讨论过自动装置与理性思维的关系。近代以来，莱布尼茨设想用机械推理来代替人类思考，布尔则用符号逻辑为计算奠定了数学基础。

1936 年，图灵提出“图灵机”模型，为可计算性理论奠基。
1943 年，麦卡洛克与皮茨提出第一个人工神经元数学模型，开启了神经网络研究的先河。

二、学科诞生（1950—1956）

1950 年，图灵在论文《计算机器与智能》中提出著名的“图灵测试”，用对话行为来判定机器是否具备智能，这一思想影响深远。

1956 年夏，达特茅斯会议上，麦卡锡、明斯基、香农等人正式提出“人工智能”这一术语，标志着 AI 作为一门独立学科正式诞生。会议参与者对智能机器充满乐观，认为二十年内即可取得重大突破。

三、黄金年代与符号主义（1956—1974）

这一时期，研究者主要采用符号主义路线，试图用逻辑规则和知识表示来模拟智能。

1958 年，麦卡锡发明 Lisp 语言，成为 AI 研究的核心工具。
1959 年，塞缪尔开发出跳棋程序，首次展示机器“学习”的能力。
1966 年，魏泽鲍姆推出对话程序 ELIZA，开创了人机对话的先例。
1970 年代，专家系统雏形出现，DENDRAL 等系统展示了领域知识的力量。

四、第一次寒冬（1974—1980）

早期的过高承诺难以兑现。计算能力有限、组合爆炸问题难以解决，加之 1973 年英国《莱特希尔报告》对 AI 研究成效提出严厉批评，各国研究经费大幅削减，AI 进入第一次寒冬。

五、专家系统的繁荣与第二次寒冬（1980—1993）

1980 年代，专家系统在商业领域取得成效，如 XCON 系统为 DEC 公司节省巨额成本，日本也启动了雄心勃勃的“第五代计算机”计划。

然而专家系统维护成本高、知识获取困难、难以泛化。1987 年 Lisp 专用机市场崩溃，加上第五代计划未达预期，AI 再度陷入低谷，迎来第二次寒冬。

六、连接主义复兴与机器学习崛起（1993—2011）

随着算力提升与数据积累，以统计学习为核心的连接主义路线重新占据主流。

1986 年，反向传播算法被广泛推广，为多层神经网络训练提供了有效手段。
1997 年，IBM 深蓝击败国际象棋世界冠军卡斯帕罗夫，轰动世界。
同年，支持向量机等统计方法走向成熟，机器学习成为 AI 的核心方法。
2006 年，辛顿等人提出深度信念网络，重新点燃深度学习的火种。

七、深度学习与大模型时代（2012 至今）

2012 年，AlexNet 在 ImageNet 图像识别竞赛中以显著优势夺冠，一举点燃了深度学习的燎原之火。它采用更深的卷积网络结构、ReLU 激活函数、Dropout 正则化，并借助两块 GPU 并行训练，将 Top-5 错误率从此前约 26% 骤降至约 15%，明确宣告神经网络在视觉任务上的统治力。此后，GPU 并行计算的普及、大规模数据集（如 ImageNet、COCO）的积累与算法层面的持续改进相互叠加，推动深度学习迅速从学术竞赛走向工业落地，语音识别、机器翻译、人脸识别等领域相继被深度学习重新定义。

2013 年，Word2Vec 提出高效的词向量训练方法，使词语的语义关系可以向量化表达；同年，深度学习在语音识别和图像分类的工业系统中开始大规模替代传统方法。
2014 年，生成对抗网络（GAN）被提出，开启了深度学习生成图像内容的时代；VGG、GoogLeNet 等更深、更精巧的网络结构接连刷新视觉识别纪录；Seq2Seq 架构的引入则显著提升了机器翻译质量。
2015 年，ResNet 通过残差连接成功训练出超过百层的网络，夺得 ImageNet 冠军，其错误率首次低于人类水平；同年，深度学习在图像描述、强化学习玩 Atari 游戏等任务上全面开花。
2016 年，AlphaGo 以 4:1 击败围棋世界冠军李世石，将策略网络与价值网络结合蒙特卡洛树搜索，其第二局“神之一手”第 37 手成为经典，淋漓尽致地展现了强化学习的巨大潜力。同年，谷歌将 AlphaGo 背后的技术归并为 DeepMind 的核心方向。
2017 年，Transformer 架构横空出世，以自注意力机制彻底摆脱了对循环结构的依赖，实现了高效的并行训练，成为日后几乎所有大语言模型的基石。同年，AlphaGo Zero 在完全不使用人类棋谱的情况下通过自我对弈超越前代版本。
2018 年，BERT 与 GPT 相继问世，确立了“预训练＋微调”的两大范式：前者以双向编码擅长理解类任务，后者以自回归生成擅长文本生成，预训练模型的规模竞赛就此拉开帷幕。
2019 年，GPT-2 以约 15 亿参数展示了令人惊叹的文本生成能力，OpenAI 一度因担忧滥用风险而延迟发布完整版本，围绕 AI 安全与开源的讨论由此升温。
2020 年，GPT-3 以 1750 亿参数规模，首次令人信服地展示了大规模预训练模型的“涌现能力”——无需微调，仅凭少量示例即可完成写作、编程、翻译等多样任务。同年，AlphaFold 2 在蛋白质结构预测竞赛中取得突破性成绩，解决困扰生物学界半个世纪的难题。
2021 年，多模态模型开始兴起：CLIP 用对比学习将图像与文本映射到同一语义空间，DALL·E 与扩散模型（如 Stable Diffusion）则让“文字生成图像”走入实用阶段；代码生成工具 Copilot 的问世也标志着 AI 开始深度融入软件开发工作流。
2022 年，ChatGPT 惊艳亮相，以对话式的交互体验让生成式 AI 自此走入寻常百姓的视野，上线两个月用户即突破一亿，掀起席卷全球的浪潮，也引发资本、产业与监管的连锁反应。
2023 年，GPT-4 支持图文多模态输入，并在多项专业考试中达到人类高水平；开源生态迅速壮大，Meta 发布 LLaMA 系列，Llama 2、Mistral 等开源模型带动本地部署与微调热潮；Claude、Gemini 等竞品相继登场，大模型竞争格局初步形成。
2024 年，大模型加速走向多模态与长上下文：GPT-4o 实现文本、图像、语音的原生实时交互，Gemini 1.5 等支持百万级 token 的超长上下文；Llama 3 等开源模型性能逼近闭源旗舰；视频生成模型 Sora 引发广泛关注；智能体（Agent）与检索增强生成（RAG）成为落地热点，同时各国陆续出台 AI 监管法规。
2025 年，推理增强成为主线：以“思维链＋强化学习”为核心的推理模型（如 OpenAI o 系列、DeepSeek-R1 等）在数学、编程与科学推理上大幅跃升；DeepSeek 以较低训练成本取得接近顶尖水平的成绩，推动高效训练与开源生态的再平衡；智能体开始规模化进入办公、编程、科研与工业场景，AI 编程助手渗透率显著提升。
2026 年至今，AI 进一步由“对话工具”演进为“可执行的智能体系统”：多智能体协作、长时程任务规划与工具调用逐步成熟，端侧与云端模型协同部署成为常态；与此同时，算力能耗、数据版权、内容真实性与就业影响等治理议题持续升温，技术与监管在博弈中共同演进。