AI HISTORY · 70 YEARS

人工智能发展史一篇文看懂AI 70年8个关键节点

不讲复杂公式只讲普通人真正需要理解的主线

AI HISTORY · 70 YEARS

今天的大模型不是横空出世，而是人类经过70年反复探索，才走到我们面前。

最近两年，ChatGPT、大模型、DeepSeek、AI智能体轮番刷屏，很多人都有一个错觉：人工智能好像是突然出现的。

但如果你真正去了解人工智能发展史、AI发展历程以及人工智能70年关键节点，会发现今天的大模型并不是横空出世，而是一群科学家用了整整70年，一次次尝试、失败、沉寂，再重新出发的结果。

如果你不懂算法，也没关系。

这篇文章不讲复杂公式。

我们只用8个关键节点，把AI这70年真正发生了什么讲明白。

本文看点

时间回到1956年。

那一年，美国达特茅斯学院举办了一场后来影响整个科技世界的研讨会。

几位科学家聚在一起，讨论一个当时听起来非常疯狂的问题：

也是在这次会议中，Artificial Intelligence，也就是人工智能这个概念，被正式提出。

今天我们已经习惯了AI写文章、画图片、写代码。

但在70年前，计算机甚至还非常笨重，很多人连电脑都没见过。

那时候科学家却已经开始想：如果人的学习、推理、语言都能够被描述，那么是不是也可以让机器学会？

人工智能的故事，就从这里开始了。

概念有了，接下来大家开始疯狂尝试。

1957年，心理学家和计算机科学家Frank Rosenblatt提出了感知机（Perceptron）。

你可以把它简单理解成今天神经网络非常早期的祖先。

研究人员发现，机器居然真的可以通过数据调整自己，然后完成一些简单的分类任务。

与此同时，AI开始下棋、证明数学定理、解决逻辑问题。

这一下，整个科研界都兴奋了。

听起来是不是很熟悉？

每一次新技术爆发的时候，人类都特别容易高估它短期的发展速度。

AI第一次也是如此。

很快，现实开始泼冷水。

科学家发现，让机器完成一个实验室里的小游戏不难。

但一旦进入真实世界，问题就复杂得多。

比如你让AI识别一只猫。

人类小孩看几次，可能就知道什么是猫。

但机器需要大量数据，而且稍微换个角度、换个环境，结果可能就不一样了。

更麻烦的是，当时的计算机算力太弱、数据太少、算法也不成熟。

之前吹出去的很多目标，根本实现不了。

投资开始减少，科研经费被削减，AI第一次从“万众期待”跌入低谷。

这也是AI发展史上非常重要的一课：一个技术方向正确，不代表它马上就能成熟。

AI并没有消失。

科学家换了一条路。

既然暂时造不出一个“什么都会”的人工智能，那能不能先造一个只懂某个专业领域的AI？

于是，专家系统开始兴起。

比如把医生、工程师、金融专家多年积累的规则输入电脑：

于是机器开始能够辅助医疗诊断、设备维修、商业决策。

这和今天的大模型完全不同。

今天的AI更像是：看了海量资料以后，自己学习规律。

而当时的专家系统更像：人类先把规则一条一条告诉电脑。

虽然“笨”了一点，但它第一次让企业真正看到了AI的商业价值。

问题很快又来了。

专家系统看起来很厉害，但维护成本极高。

现实世界每天都在变化，人类必须不断增加、修改规则。

规则越来越多以后，整个系统就像一栋不断加盖的房子：越来越复杂，也越来越难维护。

与此同时，人们再次发现：真正的智能，好像不是靠把几万条规则写进电脑就能实现的。

于是投资再次下降，AI迎来了第二次寒冬。

很多人甚至开始避开“人工智能”这个词，因为说自己研究AI，听起来都有点像在吹牛。

但真正重要的变化，正在悄悄发生。

互联网开始普及，数据越来越多，计算机越来越快，GPU出现。

真正的转折点出现在2012年。

这一年，一套名为AlexNet的深度神经网络，在著名的ImageNet图像识别比赛中取得了非常惊艳的成绩。

很多研究者突然意识到：以前那条神经网络路线，可能真的走对了。

区别只是过去的算力和数据还不够。

从此以后，深度学习开始高速发展。

2016年，AlphaGo击败围棋世界冠军李世石，更让普通人第一次大规模意识到：

机器居然可以在人类最复杂的棋类游戏之一中，击败世界顶尖高手。

但这个阶段的AI依然存在一个明显问题：它们大多只会做一件事。

下围棋的AI不会写文章。

识别人脸的AI不会聊天。

AI还没有真正进入普通人的日常工作。

2017年，又一个改变AI历史的技术出现了。

它叫：Transformer。

名字听起来很复杂，但普通人只需要理解一点：

它大幅提升了机器理解和处理语言的能力，也最终成为后来大语言模型最重要的技术基础之一。

接下来的几年里，AI模型越做越大，参数越来越多，训练数据越来越多，能力也越来越强。

直到2022年11月，ChatGPT发布。

这一次，一切都变了。

为什么？

因为过去很多AI虽然很厉害，但普通人不会用。

你不需要会编程，不需要懂机器学习。

只需要打字：

AI就可以开始工作。

这可能是AI发展70年中，一个非常重要的变化：人工智能第一次真正大规模进入普通人的工作和生活。

ChatGPT之后，大模型进入高速迭代期。

我们开始看到一个非常明显的变化：

AI已经不满足于只和你聊天了。

它开始能够理解图片、生成视频、操作工具、搜索资料、写代码、分析文件，甚至连续完成多个步骤的任务。

于是一个新的方向出现了：AI Agent，也就是AI智能体。

过去使用AI，更像是：你问一句，它答一句。

比如你说：

“帮我分析这个行业，并制作一份市场报告。”

未来的AI可能自己完成：

这意味着AI正在发生一个非常重要的变化：

而这，很可能就是AI接下来几年最大的机会之一。

回头看这70年，你会发现一个非常有意思的规律。

整整70年，人类其实一直在解决同一个问题：

AI的发展也从来不是一条直线。

提出概念 → 过度乐观 → 遭遇瓶颈 → 陷入寒冬 → 技术突破 → 再次爆发

甚至循环了不止一次。

所以今天面对AI，我们也不必把它神化。

它既不是“明天就替代所有人”的万能机器，也绝不是一个只能帮你写几段文案的小工具。

它更像互联网刚刚普及的时候。

真正的变化，才刚刚开始。

普通人真正应该关心的，不是AI会发展到哪里

而是：当AI开始进入所有行业以后，你准备怎么使用它？

回顾过去70年，每一次重大技术浪潮都有一个共同规律：

最开始，只有少数专业人士会使用；后来，工具越来越简单；最后，它变成所有人的基础能力。

电脑如此，互联网如此，智能手机如此。

AI大概率也会如此。

所以对于普通人来说，现在最重要的可能并不是研究神经网络原理，也不是每天追新的模型排行榜。

而是尽快学会三件事情：

因为未来人与人之间真正的差距，很可能不是：“会不会AI”。

而是：“能不能用AI，把原来做不到的事情做出来。”

最后，记住这8个节点

如果你读到了这里，可以把这篇文章收藏起来。

下一次有人问你：“人工智能到底是怎么发展到今天的？”

你不需要记住几十个专业名词。

只需要记住这8个节点：

这就是人工智能过去70年，最值得普通人理解的一条主线。

而属于我们的这一段AI历史，可能才刚刚开始。