人工智能（AI）一般以1956年达特茅斯会议作为正式诞生起点，大致分为萌芽期、第一次AI寒冬、黄金发展期、第二次AI寒冬、机器学习复兴、深度学习爆发、大模型时代七个阶段。

1. 萌芽时代（1940‑1956）：思想诞生

• 1943：麦卡洛克‑皮茨神经元模型，最早模拟人脑神经元的数学模型，神经网络思想起源。
• 1950：图灵发表《计算机器与智能》，提出图灵测试，回答“机器能否思考”。
• 1951：写出第一个AI程序，能玩跳棋。
• 1956 达特茅斯会议：麦卡锡正式提出“Artificial Intelligence（人工智能）”名词，AI学科正式诞生。

当时普遍乐观，认为十几年内就能造出和人一样聪明的机器。

2. 第一次繁荣与第一次AI寒冬（1956‑1974）

繁荣期

• 开发早期符号AI程序：逻辑推理、定理证明、简单下棋程序。
• 代表：GPS通用问题求解器、ELIZA最早聊天机器人。

第一次寒冬（70年代初）

现实瓶颈出现：

1. 只能解决玩具级简单问题，复杂任务完全失效；
2. 计算能力不足，算力跟不上算法；
3. 政府与科研机构削减经费。 AI幻想破灭，进入低谷。

3. 专家系统黄金时代（1974‑1987）

放弃通用智能，转向专用领域AI——专家系统：把人类专家的知识写成规则，让计算机做推理。

• 代表：MYCIN医疗诊断专家系统、DENDRAL化学分析系统。
• 商业热潮：日本启动第五代计算机项目，各国跟风投入，AI迎来商业高潮。

4. 第二次AI寒冬（1987‑1993）

专家系统的局限性暴露：

• 知识靠人工一条条编写，知识获取瓶颈，维护成本极高；
• 规则一多就互相冲突，扩展性很差；
• 硬件厂商产品溃败，资本撤离，经费大幅缩减，AI再次遇冷。

这一时期神经网络也被长期冷落，符号主义占据主流。

5. 机器学习复兴（1993‑2012）

不再靠人工写大量规则，改为让机器从数据中自己学习。

• 1997：深蓝战胜国际象棋世界冠军卡斯帕罗夫，符号AI巅峰代表作。
• SVM、决策树、随机森林、贝叶斯等传统机器学习算法成熟，广泛用于搜索、推荐、垃圾邮件识别。
• 神经网络重新被重视，但受限于数据与算力，还不是主流。
• 互联网爆发，海量数字数据开始积累，为深度学习铺垫基础。

6. 深度学习爆发（2012‑2022）

转折点：2012 AlexNet 在图像识别竞赛大幅碾压传统算法，证明深度神经网络威力。 驱动三要素：大数据 + GPU算力 + 神经网络算法改进。

• 计算机视觉：人脸识别、图像分类、目标检测快速落地。
• NLP自然语言：2017 Transformer架构发表，奠定大模型基础。
• 2018‑2021：BERT、GPT系列相继推出，预训练模型成为NLP标配。 AI从实验室走向工业落地：语音识别、翻译、自动驾驶、AI绘画。

7. 大模型时代（2022‑至今）

• 2022年底 ChatGPT发布，生成式AI出圈，大众真正感知AI。
• 大语言模型LLM：具备通用对话、写作、逻辑推理、代码生成能力。
• 多模态大模型：文本、图片、音频、视频统一处理。
• 方向：Agent智能体、AI工具调用、本地小模型、AI安全对齐、行业垂类大模型。

---

简要时间轴速记

1. 1956：达特茅斯会议，AI诞生
2. 1970s：第一次AI寒冬
3. 1980s：专家系统繁荣→第二次AI寒冬
4. 1997：深蓝赢象棋冠军
5. 2012：AlexNet，深度学习开启
6. 2017：Transformer论文
7. 2022：ChatGPT，大模型时代