1912 到 2026：AI 的一百一十四年，十五个转折点

👋 Hi，我擅长 AI 大模型应用落地、意识解码与 AI 开发工具链 。 💡 创业路上，用技术换时间，一起把 AI 变成生产力 🚀 >

---

1912 到 2026：AI 的一百一十四年，十五个转折点

AI 编年史 · 第 01 篇 - 模块一【源头考据】· 五个时代 · 十五个断点 · 158 条带来源的条目

---

📚 专栏信息

《AI 编年史：一条能查到底的时间线》专栏

专栏定位：面向技术读者与自学者，用 158 条带原始来源的条目，把 AI 从 1912 年到 2026 年的关键转折讲清楚

本系列共 10 篇，分为四大模块：

📖 模块一【源头考据】(3 篇)：年代盘点、起源（1912/1936）、感知机之争
🔧 模块二【方法演进】(3 篇)：反向传播到 AlexNet、Transformer 到 GPT、人机博弈
🛡️ 模块三【工程实践】(1 篇)：五席评审管线与八步门禁
📚 模块四【读者工具】(3 篇)：学习路线、面试 20 问、教学素材

本文是模块一第 1 篇，将带您用五个时代、十五个断点走完 AI 的 114 年，每个断点都能点回它的源头。

---

👨‍💻 作者与项目

作者简介：翁勇刚 WENG YONGGANG
AI 编年史（aihist）维护者，新概念龙虾-WeClaw 开发团队负责人
理念：“再早的历史，也能查到它的源头”

• 🌐 站点地址：https://aihist.net
• 📝 作者 CSDN：https://blog.csdn.net/yweng18
• 📦 收录标准（JSON）：https://aihist.net/api/v1/standard
• 💻 同作者技术专栏：WeClaw 实战指南（CSDN 专栏）
• 🔍 发现错误：每个条目页页脚有纠错入口

---

📝 摘要

本文结构概览：
先说明"时间线"为什么是最容易注水的体裁（三种常见注水法），再给出五个时代的分界依据，
然后在每个时代里挑三个真正的断点、共十五个，每个断点写清"发生了什么 / 一句话意义 / 出处形态"；
接着坦白一处证据最薄的地方（1912 只有一条来源），最后给出三条你可以自己核查的验证路径。

背景：
做 AI 编年史这个站点的起点很朴素：网上讲 AI 历史的文章很多，但大部分只给年份不给来源，
读者无法判断哪句是史实、哪句是转述、哪句是作者自己的感慨。158 条条目、195 条去重链接（196 次引用）、
45 个来源站点，是我能拿出来的全部家底。

核心问题：
在 114 年、上千个事件里，哪十五个真的改变了方向？以及，凭什么说它们改变了方向？

解决方案：
先按"范式的更替"划出五个时代，再在每个时代里选"之后所有事情都和之前不一样"的三个点。
判断标准只有一条：这个事件之后，同行不得不改变做法——而不是它很有名。

关键成果（2026-10-27 按生产库实测）：

• 收录 158 条条目，全部带 1–3 个原始来源
• 来源去重后 195 条链接，被引用 196 次，覆盖 45 个站点
• 每条都经五个国产大模型评审、至少三票、中位分不低于 75 才入库
• 每个条目页都有纠错入口，发现错误可直接写信

适合读者：想快速建立 AI 历史框架的工程师、准备面试或考试的人、需要可引用素材的教师与科普作者

阅读时长：约 14 分钟

关键词：AI 发展史、人工智能历史、AI 时间线、图灵、Transformer、可核对来源

---

一、先说结论

如果你只有两分钟，看这一段：

AI 的一百一十四年可以切成五段——机器能不能算（1912–1950）、一个学科如何得名又如何失去预算（1956–1969）、方法对了但时代没到（1986–2012）、从棋盘到注意力（2016–2020）、从能力到交付（2022–2025）。

十五个断点里，最容易被高估的是 1956 年的达特茅斯会议（它给学科取了名，但没给方法），最容易被低估的是 1986 年的反向传播（它才是深度学习真正的地基）。而 2022 年的转折不在模型能力，在交付方式——同一类能力第一次有了人人可用的界面。

一处必须提前说的诚实：这十五个断点里，1912 那条只有一条来源，是全档案证据最薄的一档。我在第五节单独说明。

二、为什么"时间线"是最容易注水的体裁

讲历史有三种省力写法，它们都不是造假，但都会让读者误判：

注水法	具体表现	后果
只写年份，不写来源	“1956 年，AI 诞生”	读者无法区分一手文献与二手转述
把传闻写成事实	“某本书让神经网络死了十年”	结论脱离开前提，变成口号
把预测写成历史	“2027 年将出现超级智能”	预测被当成已发生的事引用

第三种最危险。这个档案里收录了《AI 2027》这样的情景报告，但它的类目是 opinion（观点），不是 milestone（里程碑）——预测可以进档案，但必须标明它是预测。

我给自己定了一条规矩，也是这个专栏反复出现的方法论：

转述一个结论时，必须连它的前提、样本和边界一起转述。

下面十五个断点，每一个都按这条规矩写。

三、五个时代，以及它们的分界线

分时代不难，难的是说清"为什么在这里切"。我的标准是范式更替：切点之后，同行解决问题的方式变了，而不只是又出了一个成果。

1912 ────── 1950 ────── 1969 ────── 2012 ────── 2020 ────── 2026
   │           │           │           │           │           │
 机械与      学科得名    第一次      深度学习    大模型      能力
 形式化      又失去预算  寒冬结束    全面爆发    登场        变成交付

时代	年份	这一段的中心问题	为什么在这里切
一、机器能不能算	1912–1950	什么叫"可计算"？机器能思考吗？	1950 之后，问题从哲学变成可讨论的计算问题
二、得名与寒冬	1956–1969	用符号能不能造出智能？	1969 之后，符号路线和连接主义路线同时受挫
三、方法对了，时代没到	1986–2012	多层网络怎么训练？为什么跑不动？	2012 之后，算力、数据、方法第一次同时到位
四、从棋盘到注意力	2016–2020	能不能不靠手工特征？	2020 之后，规模本身成了方法
五、从能力到交付	2022–2025	谁能用上？以什么形态用？	2022 之后，能力问题变成产品与治理问题

接下来的十五节，就是这张表的展开。

四、十五个断点

4.1 时代一：机器能不能算（1912–1950）

断点 1 · 1912 · 一台会下残局的机器

西班牙工程师 Leonardo Torres Quevedo 完成 El Ajedrecista：用机械装置识别棋子位置，走完一个残局并完成将杀。它不是程序，是电气与机械装置；Torres Quevedo 同时还提出过模拟计算与浮点运算的设计。

一句话意义：自动化早于电子计算。在"计算机"这个词出现之前，已经有人在用机器替代判断。

出处形态：Wikipedia 条目（El_Ajedrecista）——这是全档案证据最薄的一条，只有一条来源。

断点 2 · 1936 · 什么叫"可计算"

图灵用一台假想的纸带机器——纸带、状态表、读写头——定义了"可计算"的含义，并证明停机问题不可判定。

一句话意义：在这之前，"机器能不能思考"是哲学问题；在这之后，它变成了一个可以讨论的计算问题。

出处形态：《On Computable Numbers》原论文，DOI 10.1112/plms/s2-42.1.230。

断点 3 · 1950 · 换一个问法

图灵在《Mind》发表《计算机器与智能》，提出用"模仿游戏"（后来被称为图灵测试）判断机器能否思考。

一句话意义：他把"机器会不会思考"这个无法回答的问题，替换成"它的行为能不能骗过人"这个可以设计实验的问题。

出处形态：《Computing Machinery and Intelligence》，DOI 10.1093/mind/LIX.236.433。

4.2 时代二：得名与寒冬（1956–1969）

断点 4 · 1956 · 一个学科得名

麦卡锡、明斯基、香农等人发起达特茅斯夏季研讨会，首次使用"人工智能"这一名称。

一句话意义：它给了这个领域一个名字、一批人和一份共同议程——但没有给出方法。这决定了此后二十年的路线之争。

出处形态：会议提案原文，DOI 10.1609/aimag.v27i4.1904。

补一句诚实的：提案里对进度的预期非常乐观——挑几个顶尖的人，用一个夏天就能让机器做成人能做的大部分事。这个判断后来成了"AI 承诺—落空—撤资"循环的第一份原始材料。

断点 5 · 1958 · 机器从数据里学参数

罗森布拉特提出感知机：用可学习的权重完成模式分类，并做出硬件实现 Mark I。

一句话意义：第一次证明"从数据中学习"是可工程实现的。这与符号主义的"人把知识写进去"是两条根本不同的路。

出处形态：《The Perceptron》，DOI 10.1037/h0042519。

断点 6 · 1969 · 一本书划出了边界

明斯基与佩珀特出版《Perceptrons》，严格分析单层感知机无法表示异或这类非线性函数。这本书常被视为神经网络研究进入低谷的转折点。

一句话意义：它证明的是一个有边界的技术结论，不是"神经网络没用"。这个区别，第 03 篇会用一整篇来讲。

出处形态：MIT Press 图书页（9780262631112）。

这一段的另一半：1973 年英国《莱特希尔报告》认为 AI 未兑现承诺，建议削减通用 AI 研究，与英国经费收缩一起构成第一次"AI 寒冬"的标志。它不在十五断点里，是因为它改变的是预算，不是方法——但少了它，这一段的故事就不完整。

4.3 时代三：方法对了，时代没到（1986–2012）

断点 7 · 1986 · 多层网络终于能训

鲁梅尔哈特、辛顿与威廉姆斯在《Nature》发表反向传播论文，证明多层网络可以通过误差反传学习内部表示。

一句话意义：这是现代深度学习真正的地基。1969 年那本书问的是"单层不够用怎么办"，1986 年给出的答案是"那就多层，而且能训"。

出处形态：《Learning representations by back-propagating errors》，DOI 10.1038/323533a0。

断点 8 · 1997 · 算力在封闭规则里赢了

IBM 深蓝以 3.5:2.5 战胜国际象棋世界冠军卡斯帕罗夫。

一句话意义：专用搜索加并行计算，在规则完全封闭的任务上第一次超过人类顶尖。注意它的性质——这是工程胜利，不是学习方法胜利。

出处形态：IBM 官方历史页（ibm.com/history/deep-blue）。

断点 9 · 2012 · 三件事同时到位

Krizhevsky、Sutskever 与 Hinton 的 AlexNet 以显著优势赢得 ImageNet 竞赛，使用 GPU 训练、ReLU 激活与 Dropout。

一句话意义：算法（1986 就有了）、数据（ImageNet，2009）、算力（GPU）第一次同时到位。技术拐点常常不是新发明，而是几件旧事同时变便宜。

出处形态：NeurIPS 2012 论文页（c399862d3b9d6b76c8436e924a68c45b）。

4.4 时代四：从棋盘到注意力（2016–2020）

断点 10 · 2016 · 围棋失守

AlphaGo 以 4:1 战胜李世石；第二局出现的"第 37 手"成为 AI 创造力的象征。

一句话意义：围棋的状态空间无法穷举，所以这一胜不能只归功于算力。深度网络提供直觉，树搜索提供校验，强化学习提供自我提升的循环。

出处形态：《Nature》论文（nature16961）与 DeepMind 官方项目页。

断点 11 · 2017 · 把"顺序"这个限制拆掉

Vaswani 等人提出 Transformer，完全以自注意力替代循环结构，实现高度并行训练。

一句话意义：它同时解决了两个问题——长距离依赖和训练并行度。此后几乎所有大语言模型都建立在这个结构上。

出处形态：arXiv 1706.03762。

断点 12 · 2020 · 规模本身成了方法

OpenAI 发布 1750 亿参数的 GPT-3，展示少样本上下文学习。

一句话意义：不微调、只给几个例子，模型就能完成新任务。"提示词"从此成为与大模型交互的主要方式。

出处形态：arXiv 2005.14165 与 OpenAI 官方发布页。

4.5 时代五：从能力到交付（2022–2025）

断点 13 · 2022 · 换的是交付方式

OpenAI 以研究预览形式发布 ChatGPT，用对话界面把 GPT-3.5 的能力开放给公众，两个月内突破一亿用户。

一句话意义：GPT-3 已经证明能力存在，ChatGPT 证明的是能力可以被交付。同一个模型，换一个界面，就变成了大众产品。

出处形态：OpenAI 官方发布页（openai.com/index/chatgpt）。

断点 14 · 2024 · 诺贝尔奖承认了地基

诺贝尔物理学奖授予 John Hopfield 与 Geoffrey Hinton，表彰其在人工神经网络与机器学习方面的奠基性发现；次日化学奖授予蛋白质设计与结构预测工作。

一句话意义：这是诺贝尔奖第一次直接肯定 AI 基础研究。被承认的是 1982 与 1986 年的工作，不是 2024 年的产品。

出处形态：诺贝尔奖官方新闻稿（2024 物理学奖、化学奖）。

断点 15 · 2025 · 开放权重逼近前沿

DeepSeek 发布 R1 推理模型，用强化学习激发长链推理，并以 MIT 许可开放权重。

一句话意义：前沿推理能力不再是少数机构的专属。它同时改变了两件事——成本结构，和"谁有资格做前沿模型"这个问题。

出处形态：arXiv 2501.12948 与 Hugging Face 模型页。

五、一处必须单独说明的诚实

十五个断点里，1912 那条只有一条来源（一个维基百科条目），而第 2、3、7、11 条都有 DOI 可查的一手论文。

这不是巧合，是史料分布的真实情况：越早的事件，一手材料越少；越晚的事件，论文、官方博客、新闻稿叠在一起，反而容易查。

所以我在条目页上标了一个字段叫"可信度"，三档。它判的不是"我信不信"，而是来源家族有多少个——官方发布页、arXiv、论文库、模型目录、媒体、百科，各算一族：

• verified：两个以上家族各自报道过；
• likely：只有一个家族，但属于主源（官方 / arXiv / 论文库 / 模型目录），且重要度不低于 55；
• single：其余。

1912 那条是 single，因为它只有一个家族的条目——就是英文维基。

这不是免责声明，是给读者的判断依据：同样是"我写的"，verified 和 single 的结论强度不一样，你应该用不同的力度去信。

六、三件你可以自己核查的事

1. 来源可点：任选一个断点，点开出处，看它是不是一手文献或官方页面。比如断点 2 的 DOI，应该落到《伦敦数学会会刊》的原文页。
2. 评审可查：每条入库前由五个国产大模型各投一票，至少三票同意、中位分不低于 75 才收录。规则细节我公开在接口里：https://api.aihist.net/api/v1/standard。
3. 错误可纠：每个条目页页脚都有纠错入口。如果你发现某条年份错了、来源挂了、或者我把转述写成了一手事实，直接告诉我。

七、总结

三个关键点：

1. 自动化早于计算，计算早于"智能"这个词。1912 的机器、1936 的定义、1956 的命名，是三条不同的线。
2. 拐点常是"旧事变便宜"，不是"新事被发明"。2012 是 1986 + 2009 + GPU；2022 是 2020 + 一个对话框。
3. 每个结论都有边界。1969 证明的是"单层不够"，不是"神经网络不行"；2022 改变的是交付方式，不是模型能力本身。

一个公式：

可信的历史结论 = 一手来源 + 明确边界 + 可复核入口

下一篇：《1912 年那台会下国际象棋的机器，比第一台电子计算机早了三十年》——把断点 1 和断点 2 拆开，讲清"自动化"与"可计算"这两条线是怎么分开走的。

思考题：

1. 如果让你删掉十五个断点中的一个，你会删哪个？删掉之后，哪一段的叙事会断？
2. 2022 年之后，还有没有"能力已经存在、只是没被交付"的例子？

---

附录 A：本文引用的条目

年份	条目	来源类型	可信度
1912	El Ajedrecista 象棋自动机	百科条目	single
1936	图灵提出图灵机	期刊论文（DOI）	verified
1950	《计算机器与智能》	期刊论文（DOI）	likely
1956	达特茅斯夏季研讨会	会议提案（DOI）	likely
1958	感知机	期刊论文（DOI）	likely
1969	《Perceptrons》	出版社图书页	likely
1986	反向传播	期刊论文（DOI）	likely
1997	深蓝战胜卡斯帕罗夫	机构历史页	likely
2012	AlexNet	会议论文页	likely
2016	AlphaGo 4:1 李世石	期刊论文 + 机构页	likely
2017	Transformer	arXiv 预印本	likely
2020	GPT-3	arXiv + 官方发布页	likely
2022	ChatGPT	官方发布页	likely
2024	诺贝尔物理学奖	官方新闻稿	likely
2025	DeepSeek-R1	arXiv + 模型页	verified

附录 B：参考资料

1. 本文归因入口（唯一外链）：AI纪年
2. 上一篇：无（本系列第 1 篇）
3. 下一篇：《1912 年那台会下国际象棋的机器，比第一台电子计算机早了三十年》

---

版权声明：本文为 CSDN 博主「翁勇刚」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。