AI 全史

从图灵测试到 GPT：探索人工智能的完整发展历程

探索技术谱系浏览时间线

向下滚动探索

1940s-1950s

起源：从图灵到达特茅斯

人工智能的概念诞生，图灵测试与达特茅斯会议奠定了学科基础

McCulloch-Pitts 神经元模型

Warren McCulloch 和 Walter Pitts 提出第一个数学神经元模型，为神经网络奠定理论基础。

#neural-networks#foundation#neuron

香农论计算机下棋

Claude Shannon 发表《Programming a Computer for Playing Chess》，开创计算机博弈论。

#game-ai#chess#search

图灵测试

艾伦·图灵提出"模仿游戏"，即后来的图灵测试，作为判断机器是否具有智能的标准。

#turing#foundation#philosophy

Samuel 跳棋程序

Arthur Samuel 开发 IBM 第一个跳棋程序，首次实现机器自学习概念。

#game-ai#machine-learning#ibm

Logic Theorist：首个AI程序

Allen Newell 和 Herbert Simon 创造 Logic Theorist，第一个能证明数学定理的AI程序。

#theorem-proving#heuristic-search#newell

达特茅斯会议

达特茅斯人工智能夏季研究项目召开，标志着"人工智能"作为一门学科的诞生。

#foundation#conference#mccarthy

感知机：首个神经计算机

Frank Rosenblatt 发明感知机 Mark I，首个基于神经网络原理的硬件实现。

#neural-networks#perceptron#hardware

LISP 语言诞生

John McCarthy 创建 LISP，成为人工智能研究的主流编程语言长达数十年。

#programming-language#lisp#mccarthy

GPS：通用问题求解器

Newell 和 Simon 开发 GPS，首个尝试模拟人类问题求解过程的程序。

#problem-solving#symbolic-ai#newell

"机器学习"术语诞生

Arthur Samuel 正式提出"机器学习"术语，定义为"让计算机无需显式编程就能学习的能力"。

#machine-learning#samuel#terminology

1960s-1970s

早期AI的探索与挫折

从ELIZA的对话尝试到《感知机》带来的第一次寒冬

DENDRAL：首个专家系统

Edward Feigenbaum 等人开发 DENDRAL，首个基于知识的专家系统，用于推断分子结构。

#expert-systems#knowledge-engineering#chemistry

SHAKEY：首个移动智能机器人

斯坦福研究院开发 SHAKEY 机器人，首个能够感知环境并自主行动的移动机器人。

#robotics#planning#perception

ELIZA：首个聊天机器人

Joseph Weizenbaum开发了ELIZA，这是最早的自然语言处理程序之一，能够模拟心理治疗师。

#nlp#chatbot#turing-test

《感知机》与AI寒冬

Minsky和Papert出版《感知机》一书，指出了单层神经网络的局限性，导致了神经网络研究的第一次低潮。

#neural-networks#ai-winter#history

Prolog 语言诞生

Alain Colmerauer 在马赛大学开发 Prolog，开创逻辑编程范式。

#programming-language#logic-programming#declarative

Lighthill 报告与第一次AI寒冬

英国科学家 James Lighthill 发表批评报告，导致 AI 研究资金大幅削减，开启第一次 AI 寒冬。

#ai-winter#funding#history

Stanford Cart：自动驾驶先驱

斯坦福 Cart 在 Hans Moravec 领导下实现自主导航，通过立体视觉穿越障碍环境。

#autonomous-vehicles#computer-vision#robotics

1980s

专家系统的兴起

知识库与推理引擎的结合，AI首次在商业领域取得成功

日本第五代计算机项目

日本启动第五代计算机系统项目，投资巨额研发智能计算机，引发全球 AI 竞赛。

#fifth-generation#japan#parallel-computing

MYCIN：医疗诊断专家系统

斯坦福大学开发的 MYCIN 专家系统在血液感染诊断上达到专家水平。

#expert-systems#medicine#diagnosis

Soar 认知架构

John Laird、Allen Newell 和 Paul Rosenbloom 开发 Soar，通用认知架构的重要尝试。

#cognitive-architecture#unified-theory#cmu

反向传播算法复兴

Rumelhart、Hinton 和 Williams 推广反向传播算法，神经网络研究重新兴起。

#neural-networks#backpropagation#hinton

Lisp 机崩溃与第二次AI寒冬

专用 Lisp 机市场崩溃，AI 硬件公司纷纷倒闭，开启第二次 AI 寒冬。

#ai-winter#lisp#expert-systems

LeCun 卷积神经网络手写识别

Yann LeCun 在贝尔实验室开发卷积神经网络，成功应用于手写数字识别。

#cnn#computer-vision#lecun

Q-learning 算法

Chris Watkins 提出 Q-learning，成为强化学习领域最基础和广泛使用的算法之一。

#reinforcement-learning#q-learning#decision-making

XCON：专家系统的商业成功

XCON（R1）为DEC公司每年节省数千万美元，标志着专家系统在商业上的巨大成功。

#expert-systems#commercial-ai#rules

1990s-2000s

统计学习与深蓝

概率模型成为主流，计算机击败人类国际象棋冠军

支持向量机（SVM）

Vapnik 等人完善 SVM 理论，成为机器学习领域最重要的算法之一。

#machine-learning#svm#statistical-learning

LSTM 神经网络

Hochreiter 和 Schmidhuber 提出 LSTM，解决循环神经网络的长期依赖问题。

#neural-networks#lstm#sequence-modeling

LeNet-5 与 MNIST

Yann LeCun 发表 LeNet-5 架构和 MNIST 数据集，成为深度学习经典基准。

#cnn#mnist#lecun

PageRank 算法

Larry Page 和 Sergey Brin 发明 PageRank，奠定 Google 搜索引擎的核心技术。

#search#google#algorithm

深蓝战胜卡斯帕罗夫

IBM的深蓝计算机在标准比赛中击败世界国际象棋冠军加里·卡斯帕罗夫。

#chess#ibm#game-ai

随机森林算法

Leo Breiman 提出随机森林，成为机器学习领域最成功的集成学习方法之一。

#machine-learning#random-forest#ensemble-learning

Roomba 家用机器人

iRobot 推出 Roomba 家用扫地机器人，成为最成功的消费级机器人产品。

#robotics#consumer-product#irobot

深度信念网络：深度学习复兴

Geoffrey Hinton 提出深度信念网络，开创深度学习训练的有效方法。

#deep-learning#hinton#neural-networks

ImageNet 数据集

Fei-Fei Li 团队发布 ImageNet 大规模图像数据集，成为深度学习发展的关键基础设施。

#dataset#imagenet#computer-vision

2010s

深度学习的爆发

从AlexNet到AlphaGo，大数据与算力开启了AI新纪元

15.3%

Top-5 错误率

AlexNet将错误率从26%降至15.3%

4:1

AlphaGo vs 李世石

AI首次战胜人类围棋世界冠军

AlexNet：深度学习突破

AlexNet在ImageNet竞赛中以大幅优势夺冠，标志着深度学习时代的开始。

#deep-learning#cnn#imagenet

Watson 战胜 Jeopardy 人类冠军

IBM Watson 在知识问答节目 Jeopardy 中击败人类冠军，展示自然语言理解的突破。

#nlp#qa-system#ibm

Word2Vec：词嵌入革命

Google 的 Tomas Mikolov 发布 Word2Vec，开创词嵌入技术的新时代。

#nlp#word-embedding#word2vec

AlphaGo战胜李世石

DeepMind的AlphaGo以4:1战胜围棋世界冠军李世石，展示了深度强化学习的威力。

#reinforcement-learning#go#deepmind

GAN：生成对抗网络

Ian Goodfellow 提出生成对抗网络，开创深度生成模型的新范式。

#generative-ai#gan#deep-learning

Dropout 正则化

Geoffrey Hinton 等人提出 Dropout 技术，有效防止神经网络过拟合。

#deep-learning#regularization#hinton

VGGNet：深层卷积网络

牛津大学 VGG 团队提出 VGGNet，证明小卷积核堆叠可以构建更深的网络。

#cnn#deep-learning#computer-vision

注意力机制：序列对齐新方法

Dzmitry Bahdanau 等人提出注意力机制，解决序列到序列模型的长距离依赖问题。

#attention#nlp#machine-translation

ResNet：残差网络突破

微软研究院提出 ResNet，通过残差连接解决深度网络训练难题。

#cnn#deep-learning#resnet

OpenAI 成立

Elon Musk、Sam Altman 等人创立 OpenAI，致力于开发安全的人工通用智能。

#openai#organization#agi

TensorFlow 开源

Google 开源 TensorFlow 深度学习框架，成为最流行的机器学习平台之一。

#tensorflow#deep-learning#framework

微软语音识别达人类水平

微软宣布其语音识别系统在 Switchboard 基准测试中达到人类水平。

#speech-recognition#microsoft#deep-learning

2017–2019

Transformer：注意力机制革命

Transformer：注意力机制革命

《Attention Is All You Need》论文发表，提出Transformer架构，彻底改变NLP领域。

2017年，Google Brain团队的Ashish Vaswani等人发表了里程碑式论文《Attention Is All You Need》，提出了Transformer架构。Transformer完全基于注意力机制，抛弃了之前主流的循环神经网络(RNN)和卷积神经网络(CNN)结构。其核心的自注意力机制能够并行处理序列数据，大幅提升了训练效率。Transformer不仅改变了自然语言处理领域，也为后来GPT、BERT等大语言模型的诞生奠定了基础。

#transformer#attention#nlp#google

Transformer Architecture

Encoder

Self-Attention → Feed Forward

Decoder

Masked Attention → Cross-Attention → FFN

Parallel Processing

Self-Attention

Position Encoding

Scalability

AlphaGo Zero：无需人类知识

DeepMind 发布 AlphaGo Zero，仅通过自我对弈学习，超越所有围棋AI。

#reinforcement-learning#go#deepmind

PyTorch 发布

Facebook 发布 PyTorch 深度学习框架，以其动态计算图特性赢得研究者青睐。

#pytorch#deep-learning#framework

BERT：双向语言理解

Google 提出 BERT，通过双向 Transformer 实现突破性的语言理解能力。

#nlp#bert#transformer

GPT-1：生成式预训练

OpenAI 发布 GPT-1，首次展示生成式预训练在语言理解任务上的潜力。

#nlp#gpt#transformer

StyleGAN：高质量图像生成

NVIDIA 提出 StyleGAN，生成前所未有高质量的人脸图像。

#generative-ai#gan#stylegan

GPT-2：更好的语言模型

OpenAI 发布 GPT-2，因担心滥用而分阶段发布，展现大模型涌现能力。

OpenAI Five：Dota2 AI冠军

OpenAI Five 击败 Dota2 世界冠军战队，展示 AI 在复杂团队游戏中的能力。

#reinforcement-learning#game-ai#dota2

2020s

大模型与生成式AI

GPT系列、Claude、Gemini等大语言模型展现惊人能力

GPT-3：规模即能力

OpenAI 发布拥有1750亿参数的 GPT-3，展示大规模语言模型的涌现能力。

AlphaFold2：蛋白质折叠突破

DeepMind 的 AlphaFold2 在 CASP14 竞赛中达到实验精度，解决50年生物学难题。

#biology#protein-folding#deepmind

DALL·E：文本到图像

OpenAI 发布 DALL·E，首次实现从文本描述生成高质量图像。

#generative-ai#text-to-image#dall-e

CLIP：连接视觉与语言

OpenAI 发布 CLIP，通过对比学习实现强大的视觉-语言理解能力。

#multimodal#clip#vision-language

GitHub Copilot：AI 编程助手

GitHub 与 OpenAI 发布 Copilot，开创 AI 辅助编程新时代。

#code-generation#copilot#openai

Stable Diffusion：开源图像生成

Stability AI 发布开源的 Stable Diffusion，引爆文本到图像生成革命。

#generative-ai#text-to-image#stable-diffusion

Midjourney：艺术图像生成

Midjourney 发布，以独特的艺术风格生成能力赢得设计师青睐。

#generative-ai#text-to-image#midjourney

DALL·E 2：高分辨率图像生成

OpenAI 发布 DALL·E 2，生成更高质量、更逼真的图像。

#generative-ai#text-to-image#dall-e

InstructGPT：RLHF 的突破

OpenAI 发布 InstructGPT，展示人类反馈强化学习对齐语言模型的方法。

#rlhf#alignment#instructgpt

ChatGPT发布

OpenAI发布ChatGPT，凭借其惊人的对话能力迅速风靡全球，开启生成式AI热潮。

#llm#chatgpt#openai

LLaMA：开源大模型浪潮

Meta 发布 LLaMA 模型，开启开源大语言模型的新时代。

#llm#llama#meta

Claude：安全优先的AI助手

Anthropic 发布 Claude，强调 AI 安全和有用性。

#llm#claude#anthropic

Llama 2：商用开源大模型

Meta 发布 Llama 2，首个可商用的开源大语言模型。

#llm#llama#meta

Mistral 7B：小而强大

Mistral AI 发布 Mistral 7B，证明小模型也能达到强大性能。

#llm#mistral#efficient-ai

Gemini：Google 多模态模型

Google 发布 Gemini 多模态大模型，原生支持文本、图像、音频和视频。

#llm#gemini#google

Waymo 全无人驾驶商业许可

Waymo 在旧金山获得全天候全无人驾驶商业运营许可。

#autonomous-driving#waymo#self-driving

GPT-4发布

OpenAI发布GPT-4，展现强大的多模态能力和推理能力，引发全球对AGI的讨论。

#llm#gpt#openai

Sora：视频生成突破

OpenAI 发布 Sora 视频生成模型，能够生成长达一分钟的高质量视频。

#generative-ai#text-to-video#sora

Claude 3 系列发布

Anthropic 发布 Claude 3 系列，Opus 版本在多项测试中超越 GPT-4。

#llm#claude#anthropic

GPT-4o：全模态实时交互

OpenAI 发布 GPT-4o，实现毫秒级响应的多模态实时交互。

#llm#gpt#openai

DeepSeek V2：中国开源大模型

DeepSeek 发布 V2 模型，以极低成本实现高性能，引领开源模型新方向。

#llm#deepseek#open-source

Apple Intelligence：端侧AI

Apple 发布 Apple Intelligence，将 AI 能力深度整合到设备端。

#on-device-ai#apple#privacy

OpenAI o1：推理能力突破

OpenAI 发布 o1 模型，展示强大的推理和问题解决能力。

#llm#reasoning#openai

DeepSeek R1：开源推理模型

DeepSeek 发布 R1 推理模型，性能媲美 o1，并完全开源。

#llm#reasoning#deepseek

Claude 3.5/4 系列

Anthropic 持续更新 Claude 系列，在编程和推理能力上领先。

#llm#claude#anthropic

GPT-4.5/o3：下一代模型

OpenAI 发布 GPT-4.5 和 o3 系列，持续推动大模型能力边界。

#llm#gpt#openai

Future

未来展望与争议

AGI的可能性、安全挑战与社会影响的多维思考

🚀 机遇

✓科学研究加速
✓个性化教育与医疗
✓创造力增强

⚠️ 挑战

!工作替代与不平等
!偏见与公平性
!安全与控制问题