1950年，数学家艾伦·图灵坐在书桌前，对着空白的稿纸写下了一个大胆的问题：“机器能思考吗？”在那个电子计算机刚诞生不久的年代，这个问题像一颗投入静湖的石子，在科学界激起了层层涟漪。他没有给出抽象的哲学辩论，反而设计了一个简单的游戏：如果隔着屏幕和你对话的对象，你无法分辨它是人类还是机器，那么这台机器就可以被认为拥有了智能。这个后来被称为“图灵测试”的规则，成了此后几十年人工智能领域所有探索的起点。
6年后的1956年，一群年轻的科学家聚在达特茅斯学院的夏日研讨会上，正式把“人工智能”确立为一个独立的研究方向。彼时的他们满怀信心，认为用不了二十年，机器就能拥有人类级别的智能。但现实很快给了他们一记重拳：早期的研究者试图用人工编写的规则，把人类所有的逻辑和知识都塞进机器里，可很快就发现，现实世界的复杂程度远超想象——你能给机器写清“下雨要打伞”的规则，却永远写不完所有语言的歧义、所有图像的细节。AI的发展很快进入了第一个寒冬，研究经费大幅缩减，整个领域在迷茫中摸索了近二十年。
直到上世纪70年代末，统计方法的兴起才给AI带来了新的转机。研究者不再执着于让机器“完全理解”世界，转而教它从海量数据里找规律：在图像处理领域，Canny边缘检测算法用简单的梯度计算，就能精准找出图片里物体的轮廓，成了此后几十年所有视觉任务的基础；在语音领域，隐马尔可夫模型通过统计语音片段和文字的对应概率，第一次让机器能听懂人类说的连续句子；互联网的兴起更是给这个领域添了一把火——海量的用户数据开始在网络上积累，给AI的训练提供了最珍贵的燃料。
1997年，全世界的目光都聚焦在一场国际象棋比赛上。IBM的“深蓝”系统靠着穷举所有可能的走法，击败了当时的世界冠军卡斯帕罗夫。这是AI第一次在公认的高智商游戏里战胜人类顶尖选手，让大众第一次真切感受到了AI的力量。但那时的研究者清楚，深蓝的能力非常局限：它只会下国际象棋，换一个棋盘规则就完全无法工作，离真正的通用智能还差得很远。
千禧年之后，神经网络的复兴悄悄拉开了序幕。2003年，NNLM神经语言模型第一次提出了“词向量”的思路：它不再用离散的数字代表文字，而是把每个词压缩成一串低维的向量，让“猫”和“狗”这样语义相近的词，在向量空间里挨得很近。这个看似简单的设计，彻底解决了传统统计语言模型“维度爆炸”的痛点，成了此后所有自然语言模型的基石。2012年，一场ImageNet图像分类比赛成了AI发展的转折点：AlexNet这个8层的卷积神经网络，在百万级别的图片数据集上，把识别错误率降到了15.3%，而第二名的传统方法错误率高达26%。所有人都意识到，深度学习的时代，真的来了。
接下来的五年，AI领域进入了爆发式的增长。2014年，VGGNet用统一的3×3小卷积堆叠出了十几层的深度网络，成了几乎所有视觉任务的通用骨架；同年诞生的Seq2Seq架构，把机器翻译的精度提升到了可以实用的水平，搭配后来提出的注意力机制，让模型翻译长句子时再也不会“前面翻完后面忘”。2015年ResNet横空出世，它用一个简单的“残差连接”设计，解决了困扰研究者多年的深层网络梯度消失问题，第一次让神经网络的深度突破了上百层。同年YOLOv1把目标检测从两步任务变成了单步回归，第一次让实时检测能在普通显卡上流畅运行。2016年AlphaGo在围棋棋盘上击败了李世石，在这个走法数量远超宇宙原子数的游戏里，它靠着自我对弈练出的策略，让全世界都惊叹于强化学习的潜力。
2017年，Transformer的诞生成了AI发展的又一个分水岭。这个完全基于自注意力机制的架构，抛弃了过去RNN必须一个词一个词串行计算的逻辑，实现了全序列的并行训练，速度和效果都远超之前所有的模型。没人能想到，这个最初为机器翻译设计的架构，会在几年后长成支撑整个大模型时代的基石。2018年BERT预训练模型问世，它先在全网的海量文本里“自学”通用的语义规律，只需要少量微调就能适配几乎所有NLP任务，直接终结了过去每个任务单独做模型的时代。随后GPT系列模型一路迭代，从1.17亿参数的小模型，成长为2020年拥有1750亿参数的GPT-3，第一次展现出了大模型独有的“涌现能力”——很多小模型完全做不到的任务，当参数规模跨过某个阈值后，突然就拥有了不错的效果。
2022年成了AI走进千家万户的一年。Stable Diffusion开源，让普通消费级显卡就能生成高清的AI绘画，彻底把生成式AI的门槛降到了大众可以触及的程度；几个月后ChatGPT发布，靠着人类反馈强化学习对齐出的流畅交互体验，让上亿普通人第一次真切感受到了大语言模型的魅力。随后的几年里，AI的边界还在不断扩张：CLIP跨模态模型打通了文字和图像的语义边界，SAM分割一切模型单模型就能处理几乎所有图像分割任务，大模型开始走进机器人的大脑，让实体机器人能自主看懂环境、规划动作，甚至走进实验室辅助科学家研发新药、预测蛋白质结构。
从图灵当年书桌前的一个猜想，到今天能对话、能创作、能辅助科研的智能系统，人工智能走过了近七十年的曲折道路。它没有像早期研究者幻想的那样一蹴而就，却在一代代人的摸索中，一步步从实验室走到了我们生活的每一个角落。而这场跨越七十年的探索，至今还在继续。
