# 人工智能发展史思维导图 ## 一、萌芽期（1956年之前） - **思想渊源** - 古代神话与哲学中的“人造生命”构想（如希腊神话青铜巨人塔洛斯） - 17-19世纪数学与逻辑学奠基 - 莱布尼茨：符号思维系统构想 - 布尔：布尔代数（逻辑数学化） - 巴贝奇：分析机设计（可编程计算雏形） - **理论准备** - 1936年图灵机模型（计算理论奠基） - 1943年麦卡洛克-皮茨神经元模型（神经网络雏形） - 1945年冯·诺依曼架构（现代计算机基础） - 1949年赫布学习规则（神经元连接强化理论） - 1950年图灵测试（AI行为判定标准） - **技术铺垫** - 1951年第一批神经网络模拟机（MADALINE） - 1955年逻辑理论家程序（西蒙与纽厄尔，首个AI程序） ## 二、形成期（1956-1974） - **里程碑事件** - 1956年达特茅斯会议 - 约翰·麦卡锡首次提出“人工智能”术语 - 确立AI研究基本目标与方法论 - **关键流派兴起** - **符号主义** - 通用问题求解器（GPS，1957） - 专家系统原型（DENDRAL化学分析系统，1965） - **连接主义** - 感知机模型（罗森布拉特，1958） - 反向传播算法雏形（1969） - **行为主义** - 早期机器人研究（SHAKEY，1966） - **理论突破** - 机器学习概念形成（1959） - 自然语言处理开端（ELIZA对话系统，1966） - 计算机视觉起步（Block World积木世界，1963） ## 三、发展期（1974-1993） - **第一次AI寒冬（1974-1980）** - 困境根源 - 计算能力限制 - 知识表示瓶颈（常识问题） - 感知机理论缺陷（线性不可分问题） - 重要进展 - 专家系统商业化（XCON，1978） - 日本第五代计算机计划（1982） - **第二次AI热潮（1980-1987）** - 专家系统爆发 - MYCIN医疗诊断系统 - PROLOG逻辑编程语言兴起 - 算法突破 - 多层神经网络训练（1986反向传播正式提出） - 决策树算法（ID3，1986） - **第二次AI寒冬（1987-1993）** - 原因分析 - 专家系统维护成本过高 - LISP机市场崩溃 - 日本五代机计划未达预期 ## 四、爆发期（1993-2018） - **复苏准备** - 统计学习方法兴起（支持向量机，1995） - 计算能力提升（GPU应用，互联网数据积累） - **深度学习革命** - 关键突破 - 深度信念网络（Hinton，2006） - ImageNet竞赛（2012 AlexNet获胜） - 技术演进 - 卷积神经网络发展（LeNet-5→ResNet） - 循环神经网络改进（LSTM，1997） - 生成对抗网络（2014） - **里程碑成果** - 2016 AlphaGo击败李世石 - 2017 Transformer架构（奠定大模型基础） - 2018 GPT/BERT发布（预训练模型时代） ## 五、转型期（2018至今） - **大模型时代特征** - 参数规模指数增长（亿级→万亿级） - 多模态融合（文本/图像/语音统一建模） - 生成式AI爆发（Diffusion模型，ChatGPT） - **技术体系重构** - 基础架构 - 大规模分布式训练 - 注意力机制成为核心 - 应用扩展 - 代码生成（GitHub Copilot） - 科学发现（AlphaFold2） - **行业生态** - 开源与闭源并行 - 云服务普及（MLaaS） - 芯片竞争（TPU/NPU/ASIC） ## 六、技术演进树 - **核心算法路线** 1. 机器学习 - 监督学习 - 无监督学习 - 强化学习 2. 知识表示 - 语义网络 - 本体论 - 知识图谱 3. 感知技术 - 计算机视觉 - 语音识别 - 传感器融合 - **硬件支撑体系** - 计算单元：CPU→GPU→TPU→神经形态芯片 - 存储系统：分布式存储→内存计算 - 网络架构：数据中心→边缘计算 ## 七、思想流派演变 - **符号主义** - 核心理念：物理符号系统假说 - 代表成果：专家系统、知识图谱 - 局限：常识表示困难 - **连接主义** - 核心理念：分布式并行处理 - 代表成果：深度神经网络 - 局限：可解释性不足 - **行为主义** - 核心理念：感知-动作循环 - 代表成果：强化学习、机器人控制 - 局限：复杂任务规划困难 - **新融合趋势** - 神经符号AI - 因果推理 - 具身智能 ## 八、应用发展脉络 - **早期领域** - 游戏AI（西洋跳棋，1959） - 定理证明（几何定理，1959） - 机器翻译（俄英翻译，1954） - **专业领域** - 医疗（诊断辅助，1970s） - 金融（信用评估，1980s） - 工业（质量控制，1990s） - **消费领域** - 个人助手（Siri，2011） - 推荐系统（Netflix，2006） - 自动驾驶（Waymo，2009） ## 九、当前格局 - **技术前沿** - 大型语言模型多模态扩展 - 具身智能与机器人融合 - AI for Science新范式 - **产业格局** - 中美双主导格局 - 开源社区生态竞争 - 垂直领域专业化 - **治理框架** - AI伦理原则（公平、透明、可控） - 监管体系构建（欧盟AI法案） - 安全对齐研究 ## 十、未来趋势 - **技术方向** - 通用人工智能路径探索 - 神经形态计算突破 - 量子机器学习融合 - **社会影响** - 人机协作模式重构 - 教育与技能体系变革 - 经济结构适应性调整 - **关键挑战** - 能源消耗优化 - 安全可控性保障 - 全球治理协同 --- - **思维导图使用说明**：此结构按时间纵轴（阶段划分）与逻辑横轴（技术/应用/理论）构建，每个二级节点可继续向下展开3-4层细节。建议记忆时抓住各时期的“核心突破-制约瓶颈-转折事件”三角关系，理解技术发展的螺旋上升特征。