AI发展历史
从1950年图灵测试到2026年的大模型时代，人工智能经历了跌宕起伏的75年发展历程。 探索AI从诞生到繁荣的五大发展阶段，见证改变世界的关键技术里程碑。
五大发展阶段
AI的发展并非一帆风顺，而是经历了多次起伏与突破
AI起源
图灵测试的提出标志着人工智能概念的诞生。达特茅斯会议正式确立了AI作为独立学科的地位，奠定了符号主义AI的基础。
第一次浪潮
早期AI程序展现出惊人能力，ELIZA聊天机器人、专家系统原型相继问世。研究者们对AI的未来充满乐观，预言机器将在20年内超越人类。
AI寒冬
由于计算能力限制和过高期望，AI研究遭遇瓶颈。专家系统难以扩展，神经网络研究陷入低谷，资金投入大幅减少。
机器学习崛起
统计学习方法兴起，SVM、随机森林等算法广泛应用。互联网带来海量数据，数据驱动的方法开始展现优势。
深度学习革命
AlexNet在ImageNet竞赛中的突破开启了深度学习时代。GPU计算、大数据、新算法的结合，使AI在图像、语音、NLP领域取得突破性进展。
大模型时代
GPT-3、ChatGPT引爆生成式AI革命。大语言模型展现涌现能力，多模态模型实现图文音视频统一理解，AI Agent开启自主智能新纪元。
关键里程碑时间线
回顾改变AI历史进程的重要时刻
图灵测试
艾伦·图灵发表《计算机器与智能》，提出著名的图灵测试，探讨机器是否能够思考。这篇论文被广泛认为是人工智能领域的奠基之作。
达特茅斯会议
约翰·麦卡锡、马文·明斯基等科学家在达特茅斯学院召开会议，正式提出"人工智能"(Artificial Intelligence)这一术语，AI成为独立研究领域。
感知机
弗兰克·罗森布拉特发明感知机(Perceptron)，这是第一个能够学习的神经网络，开启了连接主义AI的研究方向。
ELIZA
约瑟夫·魏泽鲍姆开发ELIZA，第一个聊天机器人程序，能够模拟心理治疗师的对话，展示了自然语言处理的早期可能性。
深蓝战胜世界冠军
IBM的深蓝(Deep Blue)超级计算机击败国际象棋世界冠军加里·卡斯帕罗夫，标志着AI在特定领域首次超越人类顶尖水平。
AlexNet突破
亚历克斯·克里泽夫斯基等人在ImageNet竞赛中使用深度卷积神经网络AlexNet取得压倒性胜利，误差率降低近一半，引爆深度学习革命。
AlphaGo
DeepMind的AlphaGo以4:1击败围棋世界冠军李世石。围棋的复杂度远超国际象棋，这一胜利展示了深度强化学习的强大能力。
Transformer架构
Google发布《Attention Is All You Need》论文，提出Transformer架构，彻底改变了自然语言处理领域，成为现代大语言模型的基础。
ChatGPT发布
OpenAI发布ChatGPT，基于GPT-3.5架构的对话AI系统。其流畅的对话能力和广泛的知识覆盖引发全球AI应用热潮，标志着生成式AI时代的到来。
大模型时代
GPT-4、Claude、Gemini等大语言模型快速迭代，多模态能力不断增强。AI Agent、MCP协议等新技术涌现，AI正在深刻改变人类的工作和生活方式。
交互演示
动手体验AI的基石——感知机模型
感知机的直观理解
用生活中的例子来理解这个AI最基础的算法
感知机的本质
感知机(Perceptron)是二分类模型，本质上是在寻找一个"决策边界"。
把它想象成：根据一些证据（输入），做出一个二元判断（是/否）。
核心问题：给出一堆数据，能不能找到一个规则，把它们分成两类？
工作原理
感知机的计算过程只有三步：
1. 加权求和
y = w₁x₁ + w₂x₂ + ... + wₙxₙ + b
2. 激活判断
如果 y > 0，输出 1（正类）
如果 y ≤ 0，输出 0（负类）
3. 学习调整
如果分类错误，就调整权重
生活类比：相亲决策
想象你帮朋友决定要不要相亲：
输入：学历(x₁)、收入(x₂)、长相(x₃)
权重：你觉得哪个重要？收入最重要(0.5)，学历次之(0.3)，长相最后(0.2)
偏置：你朋友有多挑剔？越挑剔越难达标
决策：总分 > 阈值 → 去相亲
能力与局限
能做：
• 线性可分的问题（如AND、OR逻辑）
• 简单的二元分类
不能做：
• XOR问题（异或）—— 这导致了第一次AI寒冬
• 复杂的非线性分类
解决：多层感知机（神经网络）
垃圾邮件分类
输入：关键词出现频率
输出：垃圾邮件 or 正常邮件
信用风险评估
输入：收入、负债、信用记录
输出：高风险 or 低风险
疾病初筛
输入：症状指标
输出：疑似患病 or 正常
情感分析
输入：文字特征
输出：正面评价 or 负面评价