乐学与思系列(5)：人工智能的发展历程与趋势

cxb

计算机理论的发展产生了计算机科学并最终促使人工智能的出现。人工智能（AI）的发展历程跨越了近百年，从最初的数学理论，到神经网络的提出，再到深度学习和大模型的崛起，通用人工智能的发展趋势。

1. 人工智能的萌芽（20 世纪 30-50 年代）

1.1 图灵与计算理论（1936 年）1936 年，阿兰·图灵（Alan Turing） 提出了“图灵机”理论，奠定了计算机科学的基础。1943 年，麦卡洛克（McCulloch） 和 皮茨（Pitts） 提出了第一种人工神经网络模型，尝试用数学方法模拟神经元的工作原理。1950年，阿兰·图灵又提出了著名的"图灵测试", 成为判断机器是否能够思考的著名试验。

1.2 人工智能概念的诞生（1956 年）1956 年，达特茅斯会议（Dartmouth Conference） 召开，约翰·麦卡锡（John McCarthy）提出了“Artificial Intelligence”一词，这标志着人工智能作为一门独立学科的正式诞生。与会者中包括马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）等计算机科学家，他们共同设想了机器具备类人智能的可能性。

2. 规则推理与第一次 AI 发展的低谷（20 世纪 60-70 年代）

2.1 早期的专家系统（1960-1970 年代）人工智能研究初期主要以符号主义（Symbolism）为主导，研究人员开发了多个基于规则的推理系统，如：• ELIZA（1966 年）：约瑟夫·魏森鲍姆（Joseph Weizenbaum）开发的早期自然语言处理程序，模拟心理治疗师的对话方式。• SHRDLU（1970 年）：特里·温格拉德（Terry Winograd）开发的程序，可在虚拟的“积木世界”中执行用户指令。但这些系统的适用范围有限，难以处理复杂现实问题，导致 AI 研究遇到了瓶颈。

3. 机器学习兴起与第二次 AI 发展的低谷（20 世纪 80-90 年代）

3.1 专家系统的繁荣（1980 年代）1980 年代，AI 领域转向知识工程，专家系统（Expert Systems）在企业中得到应用，如：

• XCON（1980 年）：用于帮助 DEC 公司的计算机配置，成为商业 AI 应用的代表。然而，专家系统的知识获取成本高，维护困难，且无法处理不确定性问题，最终导致其热潮退去。

3.2 第二次 AI 发展的低谷（1987-1993 年）由于专家系统的失败，以及硬件计算能力的限制，AI 研究再次陷入低谷，投资减少，业界对 AI 的信心动摇。

4. 统计学习、深蓝和深度学习的曙光（1990-2000 年代）

4.1 机器学习的崛起（1990 年代）AI 研究者开始转向统计方法，采用数据驱动的方式进行学习，代表性技术包括：

• 支持向量机（SVM，1995 年）

• 随机森林（2001 年）这些方法克服了专家系统的局限性，使 AI 逐渐恢复生机。 4.2 深蓝战胜国际象棋世界冠军（1997 年）IBM 研发的超级计算机 深蓝（Deep Blue） 在 1997 年战胜国际象棋世界冠军 加里·卡斯帕罗夫（Garry Kasparov），成为 AI 发展史上的重要里程碑。这是首次有 AI 击败人类顶级棋手，表明 AI 在特定任务上的超强计算能力。

4.3 深度学习早期探索（2000-2010 年）• 2006 年，杰弗里·辛顿（Geoffrey Hinton） 提出了深度信念网络（DBN），让深度学习重新受到关注。

5. 深度学习时代与 AlphaGo（2010-2020 年）

5.1 计算能力的爆发（2012 年）• 2012 年，AlexNet（由 Hinton 团队开发）在 ImageNet 竞赛中大幅领先，深度学习正式进入主流。• ResNet（2015 年）、GAN（2014 年） 等新模型推动 AI 视觉和生成能力的突破。

5.2 AlphaGo：AI 战胜围棋世界冠军（2016 年）• 2016 年，Google DeepMind 研发的 AlphaGo 击败围棋世界冠军李世石，震惊全球。围棋的复杂性远超国际象棋，传统规则推理无法胜任，而 AlphaGo 通过深度学习和强化学习，自主学习棋局策略，标志着 AI 进入新的智能时代。• 2017 年，AlphaGo Zero 进一步进化，仅靠自我对弈训练，就超越了所有人类棋手。

5.3 语言模型的进步（2018-2020 年）• Transformer（2017 年）：Google 提出的 NLP 结构，成为后续大模型的基础。• BERT（2018 年）：Google 发布的预训练语言模型，大幅提升 NLP 任务表现。• GPT-3（2020 年）：OpenAI 发布的超大规模生成模型，实现更强的文本生成能力。

6. 大模型与 通用人工智能(AGI )之路（2021-至今）

6.1 AI 迈向通用智能（2021-2024 年）• OpenAI GPT-4（2023 年）：多模态大模型，可处理文本、图像等信息。• Gemini、Claude、Llama、DeepSeek等系列模型：AI 竞争加剧，大模型成为主流应用。

6.2 AI 未来发展趋势• 多模态 AI：AI 不再局限于文本，而是结合语音、图像、视频等多种输入模式。• AI+Agent：AI 代理系统（AutoGPT、AgentGPT）探索自主执行任务的能力。

通用人工智能（AGI）：AI 逐步从任务专用向通用智能发展。

一般来看，人工智能大模型的发展大致要经过从低到高的五个层次，分别为：获取知识与推理、多模态对齐与深层次推理、类人感觉和联觉以及物理世界和虚拟环境的结合、机器自主学习、机器自我认知。当前，全球范围的人工智能大模型已经发展至第二与第三层次的交汇处，未来将朝着通用人工智能(AGI)的方向加速演进。

从Ai发展进程来看，大模型开启了人工智能发展的新阶段。大规模预训练、有监督微调、人类反馈强化学习等技术的不断演进，架构、算法、工程及行业应用的不断创新，使人工智能大模型展现出强大的通用性、适应性和向更高效、更智能、更便捷方向发展的趋势。这不仅推动人工智能从“感知智能”向“认知智能”跨越，更为实现通用人工智能（指具备高效学习和泛化能力、能够在复杂动态环境中自主产生并完成任务的智能系统）奠定了基础，开启了人工智能发展的新阶段。

从 20 世纪的计算理论，到 21 世纪的大模型时代，人工智能经历了多次起伏。深蓝和 AlphaGo 先后战胜国际象棋和围棋世界冠军，证明 AI 具备超越人类的学习能力！

　　今年4月25日习近平总书记在主持中央二十届中央政治局第二十次集体学习时指出 ：“人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。”