🧠 1950年｜图灵在《计算机器与智能》里问了一句话：「机器能思考吗？」他没有直接回答，而是提出一个游戏——如果你隔着屏幕分不出对面是人是机器，那这个问题本身就该换个问法。
AI 七十年：从一场夏季研讨会到大模型时代
🔍 1955—1956年｜纽厄尔、西蒙与肖写出「逻辑理论家」，让机器证明《数学原理》里的定理，并在达特茅斯会议上公开演示。它被广泛视为第一个真正跑起来的 AI 程序：推理，第一次被写成了搜索。
☀️ 1956年夏｜达特茅斯学院，十来个人开了两个月研讨会。麦卡锡在提案里造了个新词：Artificial Intelligence。他们乐观地写道，一个暑假就能取得实质进展。
👁️ 1957年｜罗森布拉特提出感知机，一种能从样本中调整权重的早期学习模型。次年《纽约时报》报道，海军期待它将来能行走、说话、自我复制。
📜 1958年｜麦卡锡发明 LISP。此后数十年，它一直是 AI 最重要的编程语言之一。
♟️ 1959年｜塞缪尔的跳棋程序已经能赢过他本人。他为这件事造了个词：机器学习。
💬 1966年｜魏泽鲍姆写出 ELIZA，一个只会把你的话改成反问的「心理咨询师」。他惊恐地发现，自己的秘书真的对着它倾诉，还请他回避。
🚪 1969年｜明斯基与佩珀特出版《感知机》，系统分析了单层网络的局限。在技术、算力、资金与研究取向的多重作用下，连接主义随后进入长期低潮。
❄️ 1973年｜英国《莱特希尔报告》否定 AI 的实用前景，促使当地大幅削减资助，成为第一次「AI 寒冬」最著名的标志之一。
🏭 1980年｜DEC 部署专家系统 XCON 替小型机配置订单，据称每年省下数千万美元，成为最早也最著名的商业 AI 成功案例之一。
🌀 1982年｜霍普菲尔德用能量函数描述神经网络，把物理学的语言带进了这个领域。四十二年后，他因此拿到诺贝尔物理学奖。
🔁 1986年｜鲁梅尔哈特、辛顿与威廉姆斯让反向传播广为人知，多层网络终于训得动了。四十年后，这仍是深度学习的地基。
✉️ 1989年｜杨立昆等人用卷积网络识别手写邮政编码；此后演化出的 LeNet 式系统，在银行支票识别中实现了大规模部署。
🧊 1987—1993年｜LISP 机市场崩溃，专家系统难以维护，第二次寒冬来临。此后很长一段时间，研究者宁可自称做「机器学习」也不提 AI。
📐 1995年｜科尔特斯与万普尼克提出支持向量机。此后十年，它几乎是分类问题的默认答案。
♛ 1997年5月11日｜深蓝以 3.5:2.5 赢下六局重赛，成为第一台在标准时限对抗赛中战胜在位世界冠军的计算机。一年前的首局，卡斯帕罗夫已经尝过输给机器的滋味。
🧵 1997年｜霍克赖特与施密德胡伯提出 LSTM，显著改善了长期依赖的学习。此后近二十年，它是序列建模的主力。
🚗 2005年10月｜DARPA 无人车挑战赛，斯坦福的 Stanley 用 6 小时 53 分跑完 132 英里沙漠赛道夺冠，五辆车完赛。而前一届比赛，没有一辆车走完八英里。
🌅 2006年｜辛顿提出逐层预训练的深度信念网络，「深度学习」这个说法开始流行。神经网络第三次回到台前。
🎮 2007年｜英伟达发布 CUDA。为游戏而生的显卡，意外成了训练神经网络最趁手的工具。
🖼️ 2009年｜李飞飞团队发布 ImageNet，最终收录一千四百万张标注图片。她的判断是：瓶颈不在算法，在数据。
📺 2011年2月｜IBM Watson 在《危险边缘》击败两位人类冠军，靠的是检索与统计，不是理解。
🗣️ 2011年10月｜Siri 随 iPhone 4S 发布，语音助手就此进入大众手机。
💥 2012年9月｜AlexNet 以 15.3% 的 top-5 错误率大幅领先第二名的 26.2%。深度学习就此不再需要辩护。
🧭 2013年｜米科洛夫提出 word2vec，让高质量词向量及其向量运算广泛流行：国王 − 男人 + 女人 ≈ 女王。
🏴 2014年1月｜谷歌以约五亿美元收购 DeepMind。条件之一，是成立一个伦理委员会。
🎭 2014年6月｜古德费洛在一场酒吧争论后写出 GAN：让两个网络互相欺骗，图像生成从此有了新范式。
🔗 2014年9月｜巴赫达瑙等人把注意力机制引入机器翻译，模型学会了「该看哪里」。三年后，这个机制会独自撑起整个 Transformer。
🕹️ 2015年2月｜DeepMind 的 DQN 登上《自然》：同一种算法与网络架构在每款游戏中分别训练，直接从屏幕像素学习，就能在多款雅达利游戏上达到人类水平。深度学习与强化学习就此接上——这是 AlphaGo 的前传。
🧰 2015年11月｜谷歌开源 TensorFlow，深度学习从实验室代码变成了基础设施。
🪜 2015年12月｜何恺明等人提出 ResNet，用残差连接把网络堆到 152 层；集成模型取得 3.57% 的 top-5 错误率，在该评测口径下低于当时报告的人类水平。
🌐 2015年12月｜OpenAI 成立，宣称要让通用人工智能造福全人类。当时它是一家非营利机构。
⚫ 2016年3月｜AlphaGo 以 4:1 胜李世石。第二局第 37 手，一记人类棋手当场看不懂的五路肩冲，后来被认为是这场比赛真正的分水岭。
📄 2017年6月｜谷歌的八位作者发表《Attention Is All You Need》，提出 Transformer。他们丢掉了循环结构，只留下注意力——今天几乎所有大模型，都是这篇论文的后代。
🪞 2017年10月｜AlphaGo Zero 不看任何人类棋谱，自我对弈三天，100:0 胜过了那个战胜李世石的版本。
🌱 2018年6月｜OpenAI 发布 GPT-1，1.17 亿参数。「预训练 + 微调」的路线开始成形。
📚 2018年10月｜谷歌发布 BERT，双向预训练一次刷新十一项自然语言任务的成绩。
🤐 2019年2月｜GPT-2 因「可能被滥用」而分阶段发布，引发了一场关于模型开放的广泛争论。
🏅 2019年3月｜辛顿、杨立昆、本吉奥同获 2018 年度图灵奖，表彰他们在概念与工程上的突破，使深度神经网络成为计算的关键组成部分。
🐘 2020年5月｜GPT-3 发布，1750 亿参数。不微调，只给几个例子就能完成任务——上下文学习第一次得到大规模展示。
🧬 2020年11月｜AlphaFold2 在 CASP14 的多数单链蛋白目标上达到接近实验结构的精度，基本攻克了经典的蛋白质结构预测问题。
🎨 2021年1月｜OpenAI 同日发布 CLIP 与 DALL·E，把大规模图文对齐与文本生成图像推向了新阶段。
⌨️ 2021年6月｜GitHub Copilot 预览版上线。程序员开始习惯，有人替自己补完下一行。
🛡️ 2021年｜Anthropic 成立，把可解释、可控的安全研究作为立身之本。
📏 2022年3月｜DeepMind 的 Chinchilla 指出：同样算力下，许多大模型参数偏多、训练数据偏少，参数量与训练 token 应当近似等比例增长。
🎯 2022年3月｜OpenAI 发表 InstructGPT：监督微调 + 人类偏好奖励模型 + 强化学习。模型从「续写文本」被调教成「听懂指令」——八个月后，这条路通向了 ChatGPT。
🖌️ 2022年8月｜Stable Diffusion 开源权重发布。图像生成从少数公司的服务，变成任何人都能在自己电脑上跑的软件。
🌊 2022年11月30日｜ChatGPT 上线。OpenAI 原本以为，这只是个低调的研究预览。
📈 2023年1月｜据 UBS 估算，ChatGPT 月活跃用户突破一亿，是当时增长最快的消费级应用。
🦙 2023年2月｜Meta 发布 LLaMA；随后的 Llama 2 以自定义许可证开放多数商业用途。开放权重与闭源之争，就此升温。
🎓 2023年3月｜GPT-4 发布，能读图，能在多项专业考试中进入前列。
⚖️ 2023年11月｜首届 AI 安全峰会在英国布莱切利园召开，二十余国签署宣言。图灵当年破译密码的地方，成了讨论 AI 风险的会场。
🎬 2024年2月｜Sora 的演示片放出，文本生成视频的连贯性远超此前所有尝试。
🧩 2024年9月｜OpenAI 发布 o1，把「先想再答」的推理时计算变成了产品能力。
🏆 2024年10月｜霍普菲尔德与辛顿获诺贝尔物理学奖；次日，贝克因计算蛋白质设计获得化学奖的一半，哈萨比斯与江珀因蛋白质结构预测共享另一半。AI 相关工作在同一周进入两项诺奖。
🐋 2025年1月｜DeepSeek 发布 R1 并以 MIT 许可开放权重，在多项推理基准上接近领先的闭源模型，引发全球行业与市场震动。
🚀 2025年｜Gemini 2.5（3月）、Qwen3（4月）、Grok 4（7月）与 GPT-5（8月）相继发布，前沿模型的竞争进一步多极化。
🔭 回望｜七十年里，AI 死过两次。每一次复活，都是因为有人在无人问津的时候，把一个被判过死刑的想法又捡了起来。
❓ 悬而未决｜图灵那句「机器能思考吗」，今天依然没有答案。变化的是，我们已经很难说清「不能」的理由。
✨ 完｜1956 年，十来个人用一个夏天讨论如何让机器思考；七十年后，全球用户已经把与机器对话当成了日常。一个词，从科幻变成了寻常。