理论萌芽与学科诞生（1940 年代 - 1970 年代）

1943 年，沃伦・麦卡洛克与沃尔特・皮茨提出神经网络早期模型，奠定了人工智能的神经科学基础。

1948 年，诺伯特・维纳的控制论与克劳德・香农的信息论，为机器智能的信息处理提供了理论框架。

1950 年，艾伦・图灵在《计算机器与智能》中提出图灵测试，首次明确了机器智能的评价标准，成为领域标志性思想。

1956 年达特茅斯会议成为人工智能诞生的里程碑，约翰・麦卡锡首次提出 “人工智能” 术语，标志着该领域成为独立学科。同年，艾伦・纽厄尔与赫伯特・西蒙开发的逻辑理论机，实现了对人类问题解决能力的初步模拟。

1958 年，弗兰克・罗森布拉特提出感知机模型，开启了人工神经网络的研究热潮。

1969 年，马文・明斯基与西摩・佩珀特在著作中指出感知机的局限性，加之当时计算能力不足，人工智能研究陷入第一次寒冬。

1970 年，斯坦福大学研发的 SHRDLU 系统在特定场景下实现自然语言交互，成为早期应用的重要突破。

技术复兴与机器学习崛起（1980 年代 - 2017 年）

1980 年代，爱德华・费根鲍姆开创的专家系统在医疗、工业等领域得到实际应用，推动人工智能进入复兴期。约翰・霍兰德提出的遗传算法，为优化问题提供了新的解决路径。但由于专家系统扩展性不足，1990 年代初人工智能再次陷入发展低谷。

1997 年，IBM “深蓝” 计算机击败国际象棋世界冠军，证明了机器在复杂决策任务中的潜力，重新点燃行业热情。

2006 年，杰弗里・辛顿提出深度信念网络与深度学习概念，突破了传统神经网络的训练瓶颈。

2008 年，扬・勒丘恩等人提出的卷积神经网络，为图像识别技术奠定了基础。

2012 年，AlexNet 在图像识别大赛中大幅降低错误率，成为深度学习爆发的关键节点。

2017 年，谷歌团队提出 Transformer 架构，其自注意力机制为后续大模型发展提供了核心支撑，彻底改变了自然语言处理领域的技术路径。

大模型爆发与全面应用（2018 年至今）

2018 年，OpenAI 发布 GPT-1 模型，首次将 Transformer 架构用于语言生成任务。

2020 年，GPT-3 凭借千亿参数规模展现出强大的少样本学习能力，推动自然语言处理技术实现跨越式发展。

2022 年，ChatGPT 通过人类反馈强化学习（RLHF）技术，实现了与人类的流畅交互，迅速成为全球现象级应用，让人工智能全面走进大众视野。

2024 年，国内深度求索发布 6710 亿参数的 DeepSeek-V3 模型，在性能与成本控制上取得突破，成为国内大模型发展的重要里程碑。

2025 年，全球掀起大模型开源潮，Meta、谷歌、字节跳动、华为等企业相继开源主流模型，推动技术普惠与产业落地加速。如今，人工智能已广泛应用于办公、医疗、工业、交通等领域，形成 “人工智能 +” 的产业生态，开启了智能化时代的新篇章。