🧭 知识坐标

⚡ 技术演进脉络
AI技术 · 从符号到神经网络
🧠 学科认知脉络
人工智能学史 · 从图灵测试到认知科学
📜 返回技术演进史总纲
18个技术领域完整脉络

💡 点击各章节标题,即可折叠或展开详细内容

🤖 第一章:远古萌芽 1950年代 · 智能机器的梦想

1950年
图灵提出图灵测试
艾伦·图灵发表《计算机器与智能》,提出“机器能思考吗?”的判断标准。这篇论文是所有人工智能探索的起点——先定义什么是“智能”。
1956年
达特茅斯会议:AI诞生
麦卡锡、明斯基、香农等人在达特茅斯学院聚议,首次提出“人工智能”概念,并着手建造能证明数学定理的逻辑推理程序。
1966年
ELIZA:第一个聊天机器人
约瑟夫·维森鲍姆开发了模仿心理治疗师的对话程序ELIZA,很多人认为它“理解”自己。它揭示了人机交互中一个深刻的真相:人对机器投射的情感,远比机器本身复杂。

🧠 第二章:古典奠基 1970-80年代 · 专家系统与寒冬

1970年代
专家系统兴起
知识工程将人类专家的规则编码进计算机,在医疗诊断和地质勘探中表现出色。但规则系统越复杂越脆弱,难以应对真实世界的模糊性。
1980年代
反向传播算法与连接主义
鲁姆哈特等人重新发现了反向传播算法,多层神经网络可以自己从数据中学习特征,不再需要人工编写每一条规则。

📈 第三章:近代革命 1990-2006 · 机器学习实用化

1997年
深蓝击败卡斯帕罗夫
IBM深蓝用搜索和评估函数击败国际象棋世界冠军。这是AI第一次在公认的智力竞技中胜过人类顶尖高手。
2006年
辛顿提出深度信念网络
杰弗里·辛顿的深度信念网络论文点燃了深度学习的复兴之火,GPU的强大算力让训练深层网络成为可能。

🧬 第四章:现代爆发 2012-2022 · 深度学习与Transformer

2012年
AlexNet赢得ImageNet竞赛
深度卷积神经网络在图像识别中大幅超越传统方法,错误率骤降。计算机第一次“看见”了世界。
2017年
Transformer架构提出
谷歌团队发表《Attention Is All You Need》,自注意力机制让模型能同时处理长序列的所有位置,为后续大语言模型奠定了基石。
2022年
ChatGPT与大语言模型爆发
OpenAI发布ChatGPT,生成式AI进入公众生活。大语言模型展示了“规模”本身带来的涌现能力——更大的模型出现了推理、翻译、编程等未专门训练的能力。

🌌 第五章:未来前沿 进行中 · 多模态与通用智能

进行中
多模态大模型
GPT-4、Gemini等模型同时理解文本、图像、音频和视频,AI的世界感知从单维度拓展到全感官。
进行中
具身智能与通用人工智能(AGI)探索
AI不再只是屏幕后的对话者,它正在学习操控机器人、理解物理世界、进行自主推理。AGI的远景是让智能服务成为像水和电一样的基础设施,无声地改善每一个人的生活。

🧠 模型参数跃迁:从数万到万亿

感知机
~数百
1958年
专家系统
~数千条规则
1970年代
AlexNet
~6千万
2012年
GPT-3
~1750亿
2020年
GPT-4/未来模型
~数万亿(估计)
2023年及以后

🧠 AI技术为什么是智慧的接力棒?

人工智能的核心愿望,不是制造一个比人更强的“对手”,而是建造一个能帮助更多人走得更远的“伙伴”。从图灵写下“机器能思考吗”的那天起,历代研究者就在把他们的洞见一层层叠加在同一个地基上——符号主义贡献了逻辑,连接主义贡献了学习,Transformer贡献了注意力。今天,一个不会编程的人可以用自然语言让AI写脚本,一个不懂外语的人可以实时阅读世界上任何语言的文献。这不是在替代谁,而是在降低理解世界、参与创造的门槛。当越来越多的普通人——性格内向的、不善言辞的、身在偏远地区的——都能借助AI表达自己的想法,人类整体的创造力土壤就会更厚。一代人搭一点,后来者就站得高一点。