本专栏关键词低算力消耗脑力快速学习拥有学习框架后再补充专业知识。AI分支和AI历史是构建学习框架第一步我们只需要大概有个印象就好agent历史会另开一篇文章来快速学习AI分支一、基础理论流派1.符号主义Symbolic AI核心思想通过逻辑规则和符号操作模拟人类推理强调显式知识表示如专家系统、知识图谱。典型技术基于规则的推理系统、语义网络、知识图谱。优势与局限可解释性强但难以处理模糊性和非结构化数据。2.连接主义Connectionism核心思想模拟人脑神经网络结构通过数据驱动的统计学习实现智能当前主流范式。典型技术深度学习、人工神经网络CNN、RNN、Transformer等。优势与局限擅长处理高维数据但存在“黑盒”问题需大量训练数据。3.行为主义Behaviorism核心思想智能源于环境交互中的试错学习强调“感知-行动”循环。典型技术强化学习如DQN、PPO算法、具身智能Embodied AI。优势与局限适合动态决策任务如机器人控制但样本效率低、训练不稳定。二、核心技术分支1.机器学习Machine Learning, ML定义让计算机从数据中自动学习规律无需显式编程。关键子类监督学习依赖标注数据训练如分类、回归任务。无监督学习从无标签数据发现模式如聚类、降维。半监督/自监督学习结合少量标注与大量未标注数据如对比学习。强化学习通过环境反馈优化策略如AlphaGo。2.深度学习Deep Learning, DL定义机器学习的子领域基于多层神经网络自动提取数据特征。核心架构卷积神经网络CNN处理图像、视频等网格数据。循环神经网络RNN/LSTM处理时序数据如语音、文本。Transformer基于自注意力机制支撑大语言模型LLM。3.自然语言处理Natural Language Processing, NLP定义使机器理解、生成人类语言。关键技术大语言模型LLM如GPT、BERT支持文本生成与推理。多模态NLP结合文本、图像等跨模态理解如GPT-4V。语音技术语音识别ASR、语音合成TTS。4.计算机视觉Computer Vision, CV定义让机器“看懂”图像和视频。核心任务图像分类/目标检测识别物体类别与位置如YOLO。语义分割/实例分割像素级图像理解。3D重建与生成从2D图像恢复3D场景或生成新内容。5.强化学习Reinforcement Learning, RL定义智能体通过奖励信号优化决策策略。关键方向深度强化学习结合深度学习与RL如DQN。多智能体RL多个智能体协作或竞争如自动驾驶决策。分层强化学习高层符号规划与底层策略执行结合。三、新兴交叉与前沿方向1.生成式人工智能Generative AI定义自主创造新内容文本、图像、代码等的技术。核心模型扩散模型如Stable Diffusion用于高质量图像生成。大语言模型LLM如GPT-4、Claude支持文本生成与逻辑推理。多模态生成模型如Sora视频生成、Suno音乐生成。2.多模态与跨模态学习定义融合多种数据类型文本、图像、音频等的联合建模。典型应用视觉-语言模型如CLIP、Flamingo。具身智能机器人通过多模态感知执行任务。3.神经符号AINeuro-Symbolic AI定义结合连接主义与符号主义提升模型可解释性与推理能力。关键突破用神经网络提取特征符号系统进行逻辑推理如医疗诊断。解决深度学习“黑盒”问题适用于高风险领域。4.边缘AI与绿色AI边缘AI在终端设备如手机、传感器部署轻量化模型降低延迟与带宽依赖。绿色AI优化算法与硬件能效减少大模型训练的碳排放如模型压缩、稀疏化。需注意的区分技术分支 vs. 应用领域医疗AI、金融AI等属于应用场景其底层技术仍依赖上述核心分支如医疗影像分析基于CV。层级关系深度学习是机器学习的子集大语言模型是NLP的子方向避免将子类与主干并列。新兴趋势具身智能Embodied AI和通用人工智能AGI仍是研究目标尚未形成独立技术分支。AI历史1940s — 2026AI的发展史是一部在寒冬与热潮之间反复摇摆最终在算力、数据与算法三重驱动下实现惊人突破的历程。第一阶段萌芽与诞生1940s — 1956关键词思想奠基、机器能否思考年份里程碑意义1943麦卡洛克 皮茨提出人工神经元数学模型神经网络的理论起点1950图灵发表《计算机器与智能》提出图灵测试首次为机器智能给出可操作的判定标准1950阿西莫夫提出机器人三定律AI伦理思想的萌芽1954乔治·戴沃尔设计世界首台可编程机器人机器人从概念走向工程1956达特茅斯会议召开麦卡锡正式提出Artificial Intelligence人工智能术语AI作为学科正式诞生第二阶段早期探索与第一次热潮1956 — 1974关键词符号主义主导、乐观主义盛行年份里程碑意义1957Frank Rosenblatt 发明感知机Perceptron首个可学习的神经网络模型1958H.A. Simon Newell 开发通用问题求解器GPS符号推理的代表作1964MIT 开发SHRDLU积木世界系统自然语言理解的早期尝试1966Weizenbaum 创建ELIZA——首个聊天机器人模拟心理医生对话震惊世人1969Minsky Papert 出版《Perceptrons》指出感知机的局限性导致神经网络研究进入低谷⚡1960s的乐观研究者预言20年内机器将能做任何人能做的事——这一预言至今尚未完全实现。第三阶段第一次AI寒冬1974 — 1980关键词幻灭、资金断裂算力瓶颈计算机性能远不足以支撑复杂推理。组合爆炸符号推理面对现实世界的复杂性束手无策。资金削减英国Lighthill报告和美国DARPA大幅削减AI研究经费。AI研究陷入第一个低谷期。第四阶段专家系统与第二次寒冬1980 — 1993关键词知识工程、商业化、再次幻灭年份里程碑意义1980XCON专家系统成功商用DEC公司年节约4000万美元专家系统商业化浪潮开启1982Hopfield 提出Hopfield网络神经网络研究回暖1986Rumelhart、Hinton 等人发表反向传播算法Backpropagation为神经网络训练提供关键解决方案1986Rodney Brooks 提出行为主义AI倡导自下而上的机器人方法开启具身智能探索第二次寒冬1987-1993专家系统维护成本高、知识获取困难的缺陷暴露日本第五代计算机项目未达预期AI硬件市场崩溃AI进入第二次低谷第五阶段从复苏到机器学习崛起1993 — 2012关键词务实转向、数据驱动、统计学习AI研究从追求通用智能转向解决具体问题的窄域AI机器学习逐渐取代符号主义成为主流范式。年份里程碑意义1995Vapnik 提出支持向量机SVM统计学习的经典算法1997IBM深蓝Deep Blue击败国际象棋世界冠军卡斯帕罗夫AI首次在智力博弈中战胜人类顶尖选手1998LeCun 等人提出LeNet-5卷积网络手写数字识别CNN的早期成功2002iRobot 推出Roomba扫地机器人AI走入家庭2006Hinton 提出深度信念网络DBN引发深度学习概念复兴深度学习时代的序曲2011IBMWatson在智力问答节目Jeopardy!中击败人类冠军自然语言处理的里程碑2011Apple 推出Siri语音助手AI助手进入大众生活第六阶段深度学习革命2012 — 2019关键词深度学习爆发、AlphaGo、Transformer年份里程碑意义2012Hinton 团队的AlexNet在 ImageNet 竞赛中以压倒性优势获胜错误率降10.8%深度学习时代的正式开端2014Goodfellow 提出生成对抗网络GAN开启逼真的图像生成2014Microsoft小冰聊天机器人上线情感计算探索2015ResNet残差网络使训练超深层网络成为可能突破网络深度限制2016GoogleAlphaGo击败围棋世界冠军李世石AI征服人类最复杂的棋类游戏全球AI热潮引爆2017Google 发表划时代论文Attention Is All You Need提出Transformer架构奠定后续所有大模型的基石架构2018OpenAI 发布GPT-1Google 发布BERT预训练语言模型范式诞生2019OpenAI 发布GPT-215亿参数因担心滥用一度未完全开源文本生成能力令人惊叹第七阶段大模型时代2020 — 2022关键词规模法则、GPT-3、多模态探索年份里程碑意义2020OpenAI 发布GPT-31750亿参数展示大模型的涌现能力Emergent Abilities2020DeepMindAlphaFold2解决蛋白质结构预测难题50年生物学难题AI for Science 的重大突破2021OpenAI 发布DALL·E文本生成图像多模态生成的开创性探索2021DeepMindAlphaFold预测几乎全部已知蛋白质结构生物学革命2022Meta 开源Stable Diffusion实际由Stability AI发布图像生成民主化2022.11OpenAI 发布ChatGPT基于GPT-3.5 全民AI时代的引爆点2个月用户破亿史上增长最快的消费级应用第八阶段生成式AI大爆发2023 — 2024关键词GPT-4、多模态融合、开源与闭源之争、AI Agent2023年时间里程碑意义2023.03OpenAI 发布GPT-4逻辑推理质变法律/医学考试达人类前10%水平引入多模态图像输入2023.03RunwayGen-2发布文本生成视频取得重大突破2023.03AutoGPT开源发布首个自主AI Agent引爆Agent概念2023.07Meta 开源LLaMA 2开源大模型运动的里程碑2023Google 发布Gemini系列对标GPT-4的多模态大模型2024年时间里程碑意义2024.02OpenAI 发布Sora文本生成视频高质量AI视频生成引发影视行业震动2024.05OpenAI 发布GPT-4oOmni全能模型文本/音频/图像实时无缝交互延迟极低2024Google 发布Gemini 1.5 Pro100万token上下文超长上下文窗口2024Anthropic 发布Claude 3系列在多项基准测试中与GPT-4比肩2024OpenAIo1推理模型发布引入思维链推理在数学和编程上大幅突破2024诺贝尔物理学奖授予 Hinton化学奖授予 AlphaFold 团队AI研究首次获诺贝尔奖学术界最高认可第九阶段推理、Agent与具身智能2025 — 2026至今关键词深度推理、AI Agent、具身智能、AI安全与治理时间里程碑意义2025OpenAI 发布o3/o4-mini、GPT-4.5推理能力持续跃升2025Anthropic 发布Claude 4Opus/Sonnet多模态融合进一步成熟2025Google 发布Gemini 2.5 Pro推理能力大幅增强2025中国DeepSeek-R1开源发布高性能开源推理模型打破闭源垄断2025AI Agent成为核心应用范式AI从对话工具进化为自主执行任务的智能体2025具身智能Embodied AI加速落地人形机器人Figure、Tesla Optimus取得突破2026多模态模型全面融合文本/图像/视频/3D/音频AI从判别式全面转向生成式2026AI安全、对齐、可解释性成为全球核心议题社会关注从能否实现转向如何安全治理 历史规律总结┌─────────────────────────────────────────────────────────┐ │ AI 发 展 的 螺 旋 式 上 升 │ │ │ │ 热潮① 热潮② 热潮③ 热潮④ │ │ (1956-1974) (1980-1987) (2012-2019) (2022-now) │ │ ↗ ↘ ↗↘ ↗ ↗ │ │ / \ / \ / / │ │ / 寒冬① / 寒冬② / / │ │ (1974-80) (1987-93) │ └─────────────────────────────────────────────────────────┘三次热潮与两次寒冬的教训阶段驱动力崩溃原因第一次热潮符号推理、早期神经网络算力不足、组合爆炸、感知机局限第二次热潮专家系统商业化维护成本高、知识获取瓶颈第三次热潮持续至今深度学习 大数据 GPU算力尚未崩溃——这次真的不一样三次范式转移符号主义 → 连接主义从手写规则到数据驱动窄域AI → 通用大模型从单一任务到涌现能力判别式AI → 生成式AI从识别到创造一句话总结AI从1956年的一个名字起步经历了70年的螺旋上升在算力、数据和算法的三重共振下于2022年ChatGPT引爆全民AI时代正以前所未有的速度重塑人类文明。而AGI通用人工智能——最初达特茅斯会议的终极梦想仍然是我们前方最大的未竟之业。
本专栏关键词低算力消耗脑力快速学习拥有学习框架后再补充专业知识。AI分支和AI历史是构建学习框架第一步我们只需要大概有个印象就好agent历史会另开一篇文章来快速学习AI分支一、基础理论流派1.符号主义Symbolic AI核心思想通过逻辑规则和符号操作模拟人类推理强调显式知识表示如专家系统、知识图谱。典型技术基于规则的推理系统、语义网络、知识图谱。优势与局限可解释性强但难以处理模糊性和非结构化数据。2.连接主义Connectionism核心思想模拟人脑神经网络结构通过数据驱动的统计学习实现智能当前主流范式。典型技术深度学习、人工神经网络CNN、RNN、Transformer等。优势与局限擅长处理高维数据但存在“黑盒”问题需大量训练数据。3.行为主义Behaviorism核心思想智能源于环境交互中的试错学习强调“感知-行动”循环。典型技术强化学习如DQN、PPO算法、具身智能Embodied AI。优势与局限适合动态决策任务如机器人控制但样本效率低、训练不稳定。二、核心技术分支1.机器学习Machine Learning, ML定义让计算机从数据中自动学习规律无需显式编程。关键子类监督学习依赖标注数据训练如分类、回归任务。无监督学习从无标签数据发现模式如聚类、降维。半监督/自监督学习结合少量标注与大量未标注数据如对比学习。强化学习通过环境反馈优化策略如AlphaGo。2.深度学习Deep Learning, DL定义机器学习的子领域基于多层神经网络自动提取数据特征。核心架构卷积神经网络CNN处理图像、视频等网格数据。循环神经网络RNN/LSTM处理时序数据如语音、文本。Transformer基于自注意力机制支撑大语言模型LLM。3.自然语言处理Natural Language Processing, NLP定义使机器理解、生成人类语言。关键技术大语言模型LLM如GPT、BERT支持文本生成与推理。多模态NLP结合文本、图像等跨模态理解如GPT-4V。语音技术语音识别ASR、语音合成TTS。4.计算机视觉Computer Vision, CV定义让机器“看懂”图像和视频。核心任务图像分类/目标检测识别物体类别与位置如YOLO。语义分割/实例分割像素级图像理解。3D重建与生成从2D图像恢复3D场景或生成新内容。5.强化学习Reinforcement Learning, RL定义智能体通过奖励信号优化决策策略。关键方向深度强化学习结合深度学习与RL如DQN。多智能体RL多个智能体协作或竞争如自动驾驶决策。分层强化学习高层符号规划与底层策略执行结合。三、新兴交叉与前沿方向1.生成式人工智能Generative AI定义自主创造新内容文本、图像、代码等的技术。核心模型扩散模型如Stable Diffusion用于高质量图像生成。大语言模型LLM如GPT-4、Claude支持文本生成与逻辑推理。多模态生成模型如Sora视频生成、Suno音乐生成。2.多模态与跨模态学习定义融合多种数据类型文本、图像、音频等的联合建模。典型应用视觉-语言模型如CLIP、Flamingo。具身智能机器人通过多模态感知执行任务。3.神经符号AINeuro-Symbolic AI定义结合连接主义与符号主义提升模型可解释性与推理能力。关键突破用神经网络提取特征符号系统进行逻辑推理如医疗诊断。解决深度学习“黑盒”问题适用于高风险领域。4.边缘AI与绿色AI边缘AI在终端设备如手机、传感器部署轻量化模型降低延迟与带宽依赖。绿色AI优化算法与硬件能效减少大模型训练的碳排放如模型压缩、稀疏化。需注意的区分技术分支 vs. 应用领域医疗AI、金融AI等属于应用场景其底层技术仍依赖上述核心分支如医疗影像分析基于CV。层级关系深度学习是机器学习的子集大语言模型是NLP的子方向避免将子类与主干并列。新兴趋势具身智能Embodied AI和通用人工智能AGI仍是研究目标尚未形成独立技术分支。AI历史1940s — 2026AI的发展史是一部在寒冬与热潮之间反复摇摆最终在算力、数据与算法三重驱动下实现惊人突破的历程。第一阶段萌芽与诞生1940s — 1956关键词思想奠基、机器能否思考年份里程碑意义1943麦卡洛克 皮茨提出人工神经元数学模型神经网络的理论起点1950图灵发表《计算机器与智能》提出图灵测试首次为机器智能给出可操作的判定标准1950阿西莫夫提出机器人三定律AI伦理思想的萌芽1954乔治·戴沃尔设计世界首台可编程机器人机器人从概念走向工程1956达特茅斯会议召开麦卡锡正式提出Artificial Intelligence人工智能术语AI作为学科正式诞生第二阶段早期探索与第一次热潮1956 — 1974关键词符号主义主导、乐观主义盛行年份里程碑意义1957Frank Rosenblatt 发明感知机Perceptron首个可学习的神经网络模型1958H.A. Simon Newell 开发通用问题求解器GPS符号推理的代表作1964MIT 开发SHRDLU积木世界系统自然语言理解的早期尝试1966Weizenbaum 创建ELIZA——首个聊天机器人模拟心理医生对话震惊世人1969Minsky Papert 出版《Perceptrons》指出感知机的局限性导致神经网络研究进入低谷⚡1960s的乐观研究者预言20年内机器将能做任何人能做的事——这一预言至今尚未完全实现。第三阶段第一次AI寒冬1974 — 1980关键词幻灭、资金断裂算力瓶颈计算机性能远不足以支撑复杂推理。组合爆炸符号推理面对现实世界的复杂性束手无策。资金削减英国Lighthill报告和美国DARPA大幅削减AI研究经费。AI研究陷入第一个低谷期。第四阶段专家系统与第二次寒冬1980 — 1993关键词知识工程、商业化、再次幻灭年份里程碑意义1980XCON专家系统成功商用DEC公司年节约4000万美元专家系统商业化浪潮开启1982Hopfield 提出Hopfield网络神经网络研究回暖1986Rumelhart、Hinton 等人发表反向传播算法Backpropagation为神经网络训练提供关键解决方案1986Rodney Brooks 提出行为主义AI倡导自下而上的机器人方法开启具身智能探索第二次寒冬1987-1993专家系统维护成本高、知识获取困难的缺陷暴露日本第五代计算机项目未达预期AI硬件市场崩溃AI进入第二次低谷第五阶段从复苏到机器学习崛起1993 — 2012关键词务实转向、数据驱动、统计学习AI研究从追求通用智能转向解决具体问题的窄域AI机器学习逐渐取代符号主义成为主流范式。年份里程碑意义1995Vapnik 提出支持向量机SVM统计学习的经典算法1997IBM深蓝Deep Blue击败国际象棋世界冠军卡斯帕罗夫AI首次在智力博弈中战胜人类顶尖选手1998LeCun 等人提出LeNet-5卷积网络手写数字识别CNN的早期成功2002iRobot 推出Roomba扫地机器人AI走入家庭2006Hinton 提出深度信念网络DBN引发深度学习概念复兴深度学习时代的序曲2011IBMWatson在智力问答节目Jeopardy!中击败人类冠军自然语言处理的里程碑2011Apple 推出Siri语音助手AI助手进入大众生活第六阶段深度学习革命2012 — 2019关键词深度学习爆发、AlphaGo、Transformer年份里程碑意义2012Hinton 团队的AlexNet在 ImageNet 竞赛中以压倒性优势获胜错误率降10.8%深度学习时代的正式开端2014Goodfellow 提出生成对抗网络GAN开启逼真的图像生成2014Microsoft小冰聊天机器人上线情感计算探索2015ResNet残差网络使训练超深层网络成为可能突破网络深度限制2016GoogleAlphaGo击败围棋世界冠军李世石AI征服人类最复杂的棋类游戏全球AI热潮引爆2017Google 发表划时代论文Attention Is All You Need提出Transformer架构奠定后续所有大模型的基石架构2018OpenAI 发布GPT-1Google 发布BERT预训练语言模型范式诞生2019OpenAI 发布GPT-215亿参数因担心滥用一度未完全开源文本生成能力令人惊叹第七阶段大模型时代2020 — 2022关键词规模法则、GPT-3、多模态探索年份里程碑意义2020OpenAI 发布GPT-31750亿参数展示大模型的涌现能力Emergent Abilities2020DeepMindAlphaFold2解决蛋白质结构预测难题50年生物学难题AI for Science 的重大突破2021OpenAI 发布DALL·E文本生成图像多模态生成的开创性探索2021DeepMindAlphaFold预测几乎全部已知蛋白质结构生物学革命2022Meta 开源Stable Diffusion实际由Stability AI发布图像生成民主化2022.11OpenAI 发布ChatGPT基于GPT-3.5 全民AI时代的引爆点2个月用户破亿史上增长最快的消费级应用第八阶段生成式AI大爆发2023 — 2024关键词GPT-4、多模态融合、开源与闭源之争、AI Agent2023年时间里程碑意义2023.03OpenAI 发布GPT-4逻辑推理质变法律/医学考试达人类前10%水平引入多模态图像输入2023.03RunwayGen-2发布文本生成视频取得重大突破2023.03AutoGPT开源发布首个自主AI Agent引爆Agent概念2023.07Meta 开源LLaMA 2开源大模型运动的里程碑2023Google 发布Gemini系列对标GPT-4的多模态大模型2024年时间里程碑意义2024.02OpenAI 发布Sora文本生成视频高质量AI视频生成引发影视行业震动2024.05OpenAI 发布GPT-4oOmni全能模型文本/音频/图像实时无缝交互延迟极低2024Google 发布Gemini 1.5 Pro100万token上下文超长上下文窗口2024Anthropic 发布Claude 3系列在多项基准测试中与GPT-4比肩2024OpenAIo1推理模型发布引入思维链推理在数学和编程上大幅突破2024诺贝尔物理学奖授予 Hinton化学奖授予 AlphaFold 团队AI研究首次获诺贝尔奖学术界最高认可第九阶段推理、Agent与具身智能2025 — 2026至今关键词深度推理、AI Agent、具身智能、AI安全与治理时间里程碑意义2025OpenAI 发布o3/o4-mini、GPT-4.5推理能力持续跃升2025Anthropic 发布Claude 4Opus/Sonnet多模态融合进一步成熟2025Google 发布Gemini 2.5 Pro推理能力大幅增强2025中国DeepSeek-R1开源发布高性能开源推理模型打破闭源垄断2025AI Agent成为核心应用范式AI从对话工具进化为自主执行任务的智能体2025具身智能Embodied AI加速落地人形机器人Figure、Tesla Optimus取得突破2026多模态模型全面融合文本/图像/视频/3D/音频AI从判别式全面转向生成式2026AI安全、对齐、可解释性成为全球核心议题社会关注从能否实现转向如何安全治理 历史规律总结┌─────────────────────────────────────────────────────────┐ │ AI 发 展 的 螺 旋 式 上 升 │ │ │ │ 热潮① 热潮② 热潮③ 热潮④ │ │ (1956-1974) (1980-1987) (2012-2019) (2022-now) │ │ ↗ ↘ ↗↘ ↗ ↗ │ │ / \ / \ / / │ │ / 寒冬① / 寒冬② / / │ │ (1974-80) (1987-93) │ └─────────────────────────────────────────────────────────┘三次热潮与两次寒冬的教训阶段驱动力崩溃原因第一次热潮符号推理、早期神经网络算力不足、组合爆炸、感知机局限第二次热潮专家系统商业化维护成本高、知识获取瓶颈第三次热潮持续至今深度学习 大数据 GPU算力尚未崩溃——这次真的不一样三次范式转移符号主义 → 连接主义从手写规则到数据驱动窄域AI → 通用大模型从单一任务到涌现能力判别式AI → 生成式AI从识别到创造一句话总结AI从1956年的一个名字起步经历了70年的螺旋上升在算力、数据和算法的三重共振下于2022年ChatGPT引爆全民AI时代正以前所未有的速度重塑人类文明。而AGI通用人工智能——最初达特茅斯会议的终极梦想仍然是我们前方最大的未竟之业。
