​​人工智能的发展始于20世纪40年代，其理论起点是1943年人工神经元模型的提出，标志着机器模拟人脑的探索开端，而正式确立为学科领域则是在1956年的达特茅斯会议。​​

1943年，Warren McCulloch和Walter Pitts提出人工神经元模型，通过数学方式模拟大脑神经元的信号处理机制，为AI奠定了理论基础。1950年，艾伦·图灵提出“图灵测试”，通过机器与人类的对话能力定义智能，进一步推动了AI的研究方向。1956年达特茅斯会议首次使用“人工智能”一词，确立了机器模拟人类智能的目标，汇聚了John McCarthy、Marvin Minsky等先驱，成为学科诞生的里程碑。

早期发展阶段，1958年Frank Rosenblatt的感知机模型首次实现机器学习能力，尽管仅能处理线性问题，但验证了AI从理论到实践的可能性。60至70年代，符号主义主导的研究通过专家系统解决特定领域问题，如医疗诊断和工业控制，但因规则僵化与硬件限制逐渐衰落。1969年Minsky指出感知机缺陷，引发AI的第一次寒冬。

80年代神经网络复兴，Hinton提出的反向传播算法突破多层网络训练瓶颈，但受限于计算力，进展缓慢。直到90年代机器学习崛起，数据驱动替代规则驱动，结合统计模型大幅提升准确率，推动AI进入工程化应用阶段，如PageRank算法和金融信用评分系统。

21世纪后，深度学习主导AI发展，2012年AlexNet在图像识别竞赛中夺冠，标志着卷积神经网络的突破；2016年AlphaGo击败人类冠军，体现强化学习与大规模算力的协同效应；2022年ChatGPT引领大语言模型潮流，2023年GPT-4实现多模态交互。近年来，开源模型如DeepSeek-V3大幅降低技术门槛，推动AI走向全民化应用。

人工智能从最初的理论构想到如今的多模态通用模型，历经三次发展浪潮与两次寒冬，始终依赖算法创新、数据积累和硬件算力的同步突破。当前以生成式AI为代表的新技术正重塑千行百业，其发展潜力仍远未达顶峰。