人工智能发展史上的里程碑

本篇属「AI 知识」板块，供广告、图文、设计与 AI 应用从业者日常速查。内容整理自公开资料与行业通行做法，涉及数值与工艺的条目，实际生产请以制作方工艺单与设备规格为准。

起点：AI 一词的诞生

1956 年，达特茅斯会议被公认为人工智能学科的起点。与会学者首次提出「人工智能」这一术语，并尝试把「让机器模拟人类智能」作为严肃科学问题来研究。此后的许多讨论，都能在这次会议的议题中找到影子。

需要说明，AI 并非一路高歌：在其七十余年历程中，曾数度经历期望高涨又因进展不及预期的「低谷期」。理解这段起伏，有助于我们在今天的狂热中保持耐心与判断，也明白突破往往建立在长期积累之上。

机器战胜人类的标志性时刻

1997 年，IBM 的「深蓝」计算机系统在国际象棋中战胜世界冠军卡斯帕罗夫，成为机器在严格规则游戏中超越顶尖人类的标志性事件。它展示了：在定义清晰、可穷举计算的问题上，机器可以做到极致。

2016 年，谷歌旗下的 AlphaGo 击败围棋世界冠军李世石，意义更为深远。围棋的搜索空间远大于国际象棋，被视为人类直觉与策略的堡垒；这一胜利让「机器学习自己从数据中习得策略」的路径受到广泛关注。

深度学习的转折

2012 年，名为 AlexNet 的深度学习模型在大规模图像识别竞赛中大幅领先，被视为现代深度学习浪潮的关键转折点。它证明了用海量数据与强大算力训练深层神经网络，能在感知类任务上取得质的飞跃。

2017 年，论文《Attention Is All You Need》提出 Transformer 架构，成为此后众多语言模型的基础。它改变了模型处理序列数据的方式，也为后来生成式 AI 的爆发埋下伏笔。两项进展共同重塑了行业的技术地基。

走向大众的生成式时代

2022 年，开放给大众对话使用的 ChatGPT 发布，把大模型能力以前所未有的易用形式带到普通人面前。它让「与 AI 自然语言交流、让它写文案、出点子」成为日常，也促使各行业重新思考工作流。

从达特茅斯到 ChatGPT，主线是从「规则与符号」走向「从数据中学习」，再到「可被大众直接使用」。每一次里程碑都不是终点，而是下一段探索的起点。回望来路，更能看清当下所处的位置。

• 1956 达特茅斯会议：AI 一词诞生，学科起点
• 1997 深蓝胜卡斯帕罗夫：机器在棋类超越人类
• 2012 AlexNet：点燃现代深度学习浪潮
• 2016 AlphaGo 胜李世石：强化学习受瞩目
• 2017 Transformer 论文：奠定大模型架构基础
• 2022 ChatGPT 发布：生成式 AI 走向大众

如何阅读这段历史

阅读这段历史时，建议把每个里程碑看作「条件成熟」的结果：算力、数据、算法与需求四者交汇，才催生突破。单看某一个年份，容易误以为进步是偶然或突变，从而低估背后数十年的积累。

对从业者，历史的价值在于建立坐标系——知道我们处在哪个阶段、哪些能力是新近获得、哪些仍是长远目标，比追逐每一个热点更有助于判断该把精力投向何处。历史是锚，也是望远镜。

一句话总结：本篇以达特茅斯会议、深蓝、AlexNet、AlphaGo、Transformer 与 ChatGPT 等公认节点，串起 AI 从学科诞生到走向大众的脉络。理解这些里程碑的条件与意义，有助于建立稳定的技术坐标系。