人工智能历史 第一步：起源与早期思想（1956年之前） 人工智能的思想渊源可追溯至古希腊关于“会思考的机器”的哲学思辨。近代关键进展包括： 形式逻辑体系 ：亚里士多德提出三段论，为符号推理奠定基础。 计算理论突破 ：1936年图灵提出图灵机模型，证明机器可通过算法处理任何可计算问题。 控制论发展 ：1948年维纳提出反馈机制，阐述机器与生物的智能行为共性。 第二步：诞生与黄金时代（1956—1974） 1956年达特茅斯会议正式确立“人工智能”学科，核心方向包括： 符号主义 ：纽厄尔与西蒙开发逻辑理论家程序，首次通过算法证明数学定理。 连接主义雏形 ：1957年罗森布拉特提出感知机，开创单层神经网络模型。 早期突破 ：IBM的跳棋程序（1959）、斯坦福机器人Shakey（1966）展示了感知与规划能力。 第三步：第一次寒冬（1974—1980） 因技术瓶颈与资金缩减陷入低谷： 算力限制 ：计算机无法支撑复杂模型训练。 理论缺陷 ：马文·明斯基指出感知机无法处理线性不可分问题（如异或运算）。 系统局限性 ：早期专家系统知识库狭窄，难以泛化。 第四步：专家系统崛起与二次寒冬（1980—1993） 商业应用兴起 ：专家系统（如XCON）通过规则库模拟专业决策，一度应用于医疗与工业。 瓶颈再现 ：知识依赖人工标注，维护成本高昂；日本第五代计算机计划未达预期，导致资金撤离。 第五步：统计革命与复兴（1990年代—2000年代） 概率模型主流化 ：基于贝叶斯理论的垃圾邮件过滤、语音识别系统取代部分规则方法。 算法革新 ：1995年支持向量机（SVM）通过核函数处理非线性问题；1997年IBM深蓝击败国际象棋冠军。 第六步：深度学习大爆发（2012年至今） 算力基础 ：GPU并行计算突破，ImageNet竞赛中AlexNet（2012）错误率较传统方法降低10%。 技术融合 ：反向传播优化、Dropout正则化与大数据的结合，推动卷积神经网络（CNN）、循环神经网络（RNN）在图像、自然语言处理领域普及。 里程碑事件 ：2016年AlphaGo战胜围棋冠军，生成对抗网络（GAN）实现高质量内容合成。 第七步：当前趋势与挑战 大规模预训练模型 ：GPT、BERT等基于Transformer的模型推动通用人工智能探索。 多模态融合 ：文本、图像、音频跨模态理解成为研究热点。 伦理与治理 ：数据偏见、能耗问题与监管框架构建亟待解决。