1943–1980 · 萌芽时代

感知机与符号AI

• • 1943：麦卡洛克-皮茨神经元模型，首个人工神经元理论
• • 1957：罗森布拉特 感知机 Perceptron，单层神经网络
• • 1956：达特茅斯会议，正式提出「人工智能」名词
• • 符号主义主导：依靠规则、逻辑推理，早期专家系统

1980–2012 · 机器学习时代

统计学习崛起

• • 反向传播算法成熟，多层神经网络复苏
• • 主流模型：SVM、决策树、随机森林、AdaBoost、HMM
• • 依赖人工特征工程，特征需要人手动设计提取
• • 浅层模型，在小数据集上效果稳定，上限明显

2012–2017 · 深度学习革命

CNN、RNN、Transformer诞生

• • 2012：AlexNet，CNN引爆深度学习浪潮
• • 后续：VGG、ResNet、LSTM、GRU
• • 2017：Transformer 论文《Attention Is All You Need》
• • 自注意力机制，为后续大语言模型打下根基

2018–2021 · 预训练模型

BERT、GPT系列迭代

• • 2018：BERT，双向预训练，理解类任务标杆
• • OpenAI GPT-1 → GPT-2 → GPT-3，自回归生成路线
• • 范式改变：先大规模预训练，再微调下游任务
• • 参数量开始突破百亿级别

2022–至今 · 生成式大模型

LLM & 多模态时代

• • 2022：ChatGPT（GPT-3.5）出圈，对话式AI普及
• • GPT-4、Gemini、Claude、Llama、通义千问、文心一言等百花齐放
• • 多模态：文本、图像、音频、视频统一表征
• • 方向：轻量化、Agent、RAG、端侧模型、对齐与安全