人工智能（AI）的发展历程是一部从理论萌芽到技术爆发的史诗，其核心里程碑包括1956年达特茅斯会议的学科奠基、20世纪80年代专家系统的商业化突破、2016年AlphaGo的颠覆性表现，以及2022年后以大模型（如ChatGPT）为代表的通用智能探索。 这一历程展现了AI从规则驱动到数据驱动，再到多模态融合的演进路径，同时揭示了技术突破与行业冷热交替的周期性规律。
-
萌芽与探索（1950s-1970s）
1950年图灵提出“机器能否思考”的哲学命题，1956年达特茅斯会议正式确立AI学科。早期研究聚焦符号逻辑，如ELIZA聊天机器人和感知机模型，但因算力与数据限制陷入首次“寒冬”。 -
知识工程与专家系统（1980s-1990s）
专家系统（如XCON）通过编码领域知识实现商业应用，反向传播算法推动神经网络复兴。1997年IBM深蓝击败国际象棋冠军，验证AI在特定任务的超越性，但专家系统的局限性引发第二次低谷。 -
数据驱动的复兴（2000s-2010s）
互联网普及带来大数据红利，深度学习（如AlexNet）在图像识别中突破，2016年AlphaGo战胜围棋冠军李世石，标志AI在复杂策略领域的优势。Transformer架构（2017年）为自然语言处理奠定基础。 -
大模型与通用智能探索（2020s至今）
GPT-3、ChatGPT等大语言模型展现生成能力，多模态模型（如Sora、Gemini）实现文本、图像、视频的统一处理。AI向医疗、教育等领域渗透，但伦理争议与算力需求成为新挑战。
当前，AI正从专用智能迈向通用智能（AGI），其发展依赖算力提升、算法创新与跨学科协作。未来需平衡技术进步与社会治理，推动AI成为人类进步的可持续动力。