从20世纪初的概念萌芽到当代大模型爆发，人工智能的发展历程如同一部时代缩影：
早期先驱通过机械和理论构想为“智能机器”奠基，中期经历多次起伏，
21世纪起深度学习和大模型引领新一轮革新。以下按年代年表的形式梳理主要里程碑，
展现时间演进和技术积累的轨迹。
希望对我们闲聊人工智能时多一些语料。
1900–1959：萌芽探索期
- 1909年：西班牙工程师托雷斯·伊·奎韦多（Torres y Quevedo）发明了“Occultus”自动棋机，为机器执行复杂任务提供早期示例。
- 1936年：艾伦·图灵提出抽象“图灵机”概念，建立可模拟任何计算过程的理论模型。同年，阿隆佐·丘奇引入λ演算，为程序设计提供数学基础。
- 1943年：神经网络雏形诞生，麦卡洛克（McCulloch）和皮茨（Pitts）提出二值神经元模型，模仿生物神经元运作；艾米尔·波斯特（Emil Post）引入生成规则，促进形式语言和自动机理论发展。
- 1950年：艾伦·图灵发表《计算机与智能》，提出判断机器是否有智能的“图灵测试”，同时克劳德·香农设想让计算机下棋，启发后续机器学习研究。
- 1956年：达特茅斯会议召开，约翰·麦卡锡等人首次正式提出“人工智能”术语，标志人工智能成为独立研究领域。
1960–1969：早期发展与质疑
- 1966年：约瑟夫·魏曾鲍姆发布对话程序“Eliza”，模拟心理咨询师对话，展示自然语言处理潜力；同年，梅尔文·马龙推广隐马尔可夫模型，在语言识别领域奠定统计基础。
- 1967年：语义网络概念提出，用于语言知识表示；同时卡尔·马尔科夫等人推广马尔可夫模型，增强机器对序列数据的分析能力。
- 1969年：马文·明斯基（Minsky）和西摩·佩珀特（Papert）在《感知器》一书中指出单层神经网络（感知器）存在局限，导致人工神经网络研究一度低潮。同时，斯坦福的Shakey机器人作为首个能自主规划动作的移动机器人问世，结合视觉和决策系统完成导航任务。
1970–1979：第一次寒冬与复兴尝试
- 1973年：英国莱特希尔报告对人工智能研究过度乐观提出批评，导致英国政府大幅削减AI经费，引发第一次“人工智能寒冬”。同时，阿兰·科尔梅劳尔发布逻辑编程语言Prolog，为知识表示和推理提供工具。
- 1976年：专家系统兴起，美国海军等机构开发了多个早期专家系统；约翰·霍兰德提出遗传算法，为进化计算奠基。
- 1978年：XCON（原名R1）专家系统由工程师约翰·麦克德莫特开发，用于计算机配置，成为第一个大规模商用专家系统。
- 1979年：第一起工业机器人事故发生，一名工人在与自动化系统协作时不幸身亡，凸显了机器人安全的重要性。
1980–1989：专家系统盛行与连接主义复苏
- 1980年：专家系统进入黄金期，通用汽车等公司大量部署用于自动化设计和诊断；约翰·塞尔提出“中文房间”思想实验，质疑机器对语言真正理解能力，引发对AI本质的哲学讨论。
- 1984年：道格·莱纳特（Douglas Lenat）启动Cyc项目，试图构建包含常识知识的庞大知识库，为机器推理提供基础。
- 1986年：Rumelhart、Hinton等人在《并行分布式处理》中详细阐述多层神经网络和反向传播算法的原理，这一成果重新点燃了神经网络研究热潮。
- 1988年：自动驾驶领域取得突破，卡耐基梅隆大学展示了ALVINN自动驾驶汽车，实现了在公路上的自主导航。
- 1989年：强化学习算法进一步发展，Q学习算法问世，为智能体在未知环境中学习提供新方法；同时，福岛邦彦提出卷积神经网络（Neocognitron），为后来的深度学习奠基。
1990–1999：互联网与并行智能崛起
- 1997年：IBM超级计算机“深蓝”击败国际象棋世界冠军加里·卡斯帕罗夫，标志人工智能在复杂博弈中取得历史性胜利。
- 1998年：卷积神经网络应用突破，Yann LeCun等开发LeNet-5，用于手写数字识别；同年，拉里·佩奇与谢尔盖·布林发布Google搜索引擎，利用网页链接结构革新信息检索技术。
- 1999年：深度学习概念继续发展，强化学习和进化算法获得关注，人工智能为网际网路时代的应用和研究提供新动能。
2000–2009：深度学习萌芽与应用拓展
- 2002年：iRobot公司推出Roomba扫地机器人，实现家庭清洁任务自动化，彰显消费级机器人应用前景。
- 2006年：杰弗里·辛顿（Geoffrey Hinton）提出深度信念网络（DBN）和快速预训练算法，为现代深度学习方法打下基础；同年，“蒙特卡洛树搜索”广泛应用于决策和博弈问题。
- 2009年：斯坦福大学的Fei-Fei Li创建了ImageNet大规模图像数据库，收集了上千万标记图像，为计算机视觉训练和评估提供关键资源，加速深度学习在视觉领域的进步。
2010–2019：深度学习时代全面来临
- 2012年：Alex Krizhevsky等人用深度卷积神经网络AlexNet一举夺得ImageNet竞赛冠军，准确率大幅提升，引发业界对深度学习的狂潮。
- 2014年：生成对抗网络（GAN）由伊恩·古德费洛（Ian Goodfellow）提出，大幅改善图像生成质量；同年，谷歌推出基于注意力机制的Transformer模型，为自然语言处理带来新范式。
- 2016年：DeepMind的AlphaGo围棋程序击败顶级棋手李世石，显示出人工智能在面对具有巨大搜索空间的策略游戏时的强大能力。
- 2018年：双向编码器表示（BERT）模型发布，通过预训练语言模型显著提升了文本理解和问答等任务的效果，成为NLP的重要基础。
- 2019年：OpenAI发布GPT-2大型语言模型，能生成连贯长篇文本，引发人们对生成式语言AI潜力与风险的广泛关注。
2020–2025：大规模模型与跨域融合
- 2020年：OpenAI推出GPT-3，拥有1750亿参数，在文本生成、问答等任务上表现突出，掀起大语言模型（LLM）热潮；同时Daniela Rus开发可折叠编程材料等科技成果展示了AI与新材料结合的前景。
- 2021年：DeepMind发布AlphaFold 2，几乎准确预测所有蛋白质结构，获得生物学领域重大突破；OpenAI的DALL·E系列模型和CLIP则推动了文本与图像生成与理解的快速发展。
- 2022年：谷歌发布LaMDA对话模型，致力于更加自然的人机对话；DeepMind推出多任务智能体Gato；开源界发布Stable Diffusion图像生成模型，极大丰富了生成艺术创作工具；OpenAI推出ChatGPT，对话型AI迅速走红。
- 2023年：AI应用进一步爆发。3月OpenAI发布GPT-4（ChatGPT-4），在多模态推理和生成质量上大幅提升；Google推出Bard和DeepMind的Gemini 1.0（12月问世），均力图对标大语言模型；同年DeepMind的AlphaTensor通过强化学习发现了比人类更高效的矩阵乘法算法。全球用户人数层出不穷，ChatGPT等工具渗透商业、教育等各领域。
- 2024年：技术创新继续迭代。5月OpenAI推出GPT-4o（Omni），原生支持语音、图像等多模态输入，响应速度快且成本更低；3月Anthropic发布Claude 3系列（包括Haiku、Sonnet、Opus等模型），性能跃升；5月DeepMind推出AlphaFold 3，能够前所未有地预测蛋白质、DNA、RNA等生物大分子的结构和相互作用；12月OpenAI发布视频生成模型Sora和其加速版Sora Turbo，可根据文本与视觉信息生成高质量视频；Google发布Gemini 2.0，引入专为“代理化时代”设计的强大模型架构。在这一年，ChatGPT用户总数突破2亿，AI正在更深入地影响科研、创作和生产生活。
- 2025年：最新进展持续涌现。2月OpenAI发布GPT-4.5研究预览版，在GPT-4基础上进一步扩大模型规模和数据训练量，使交互更自然、知识面更广；GPT-4.5目前面向专业和开发者用户开放，代表了向更加“类人”智能迈进的一步。展望未来，随着算力和算法的革新，人工智能正沿着这一时间线不断演化，并将在更多场景中发挥更大作用。
