Ai历史速了解

1.1 大模型发展史笔记

一、学习目标

• 掌握大模型发展的整体脉络
• 理解大模型萌芽期、探索沉淀期、迅猛发展期的核心特征与关键突破
• 明晰各阶段技术演进的逻辑和里程碑事件

二、发展史概览

人工智能的发展是跨越数十年的渐进过程，由关键技术突破驱动，可划分为三个特征鲜明的阶段，各阶段层层递进，最终促成了当前的AI革命。

三、萌芽期（1950-2005）

核心问题

研究者聚焦于让机器“学会”识别模式，核心技术方向为卷积神经网络（CNN）的提出与初步实践。

关键事件

年份	关键突破	核心内容
1956	人工智能领域诞生	约翰·麦卡锡在达特茅斯会议首次提出“人工智能”术语
1980	CNN雏形出现	日本学者福岛邦彦提出“神经认知机”，引入“感受野”概念
1998	现代CNN奠基	Yann LeCun等人提出LeNet-5模型，成功应用于手写数字识别，确立“卷积层+池化层+全连接层”的基本结构

阶段特点

• 受限于计算能力和数据规模，仅能处理简单任务（如MNIST手写数据集）
• 训练难度大，易过拟合
• 验证了“端到端”学习的可行性，为后续发展奠定基础

四、探索沉淀期（2006-2019）

核心背景

大数据和GPU计算普及，神经网络进入“深度学习”时代，CNN复兴且全新模型架构井喷。

关键事件

年份	关键突破	核心内容
2012	深度学习浪潮开启	AlexNet在ImageNet挑战赛夺冠，证明深度学习在视觉领域的巨大潜力
2013	文本表示突破	Google提出Word2Vec，通过无监督学习将单词映射为高维向量，实现语义相似性量化
2014	生成式模型创新	Lan Goodfellow提出生成对抗网络（GAN），通过生成器与判别器博弈生成逼真内容
2017	核心架构革新	Google提出Transformer架构，摒弃RNN/CNN，以自注意力机制为核心，支持并行处理序列数据
2018	预训练范式确立	OpenAI推出GPT-1，Google推出BERT，验证“预训练+微调”范式在NLP任务的有效性

阶段特点

• 模型架构（Transformer）和学习范式（预训练+微调）趋于成熟
• AI在视觉、自然语言处理领域均实现突破性进展
• 为大模型时代到来完成技术、方法层面的全面准备

五、迅猛发展期（2020-至今）

核心驱动力

模型参数、数据量、算力规模突破临界点，催生能力“涌现”。

关键事件

年份	关键突破	核心内容
2020	大模型能力跃迁	OpenAI推出GPT-3（1750亿参数），具备上下文学习、指令遵循能力，无需微调即可完成多任务
2022.11	大众化里程碑	ChatGPT发布，基于RLHF技术实现自然人机对话，推动AI走向大众
2023.3	多模态与推理升级	GPT-4发布，支持文本/图像多模态交互，逻辑推理能力大幅提升；后续GPT-4 Turbo/GPT-4o优化上下文长度、响应速度
2023-2024	开源生态爆发	Meta推出Llama系列、Mistral AI推出Mistral Large 2，开源模型对标闭源模型，降低技术门槛
2024.9	复杂推理突破	OpenAI推出o1模型，在数学/科学计算的复杂推理能力上达到新高度
2024	国产模型崛起	阿里通义千问、深度求索DeepSeek v3/R1等，跻身全球第一梯队，DeepSeek R1数学/代码能力表现突出

阶段特点

• 模型规模激增，能力“涌现”成为常态
• 技术从单模态向多模态融合发展
• 开源与闭源路线并行，竞争白热化
• 核心能力从“感知”转向“认知”与“推理”
• AI从工具向创造性协作伙伴转变

六、本节小结

人工智能发展遵循“理论突破→工程实现→应用爆发”的技术演化路径：

1. 从早期图像识别的基础探索，到Transformer重构序列建模方式
2. 再到ChatGPT开启人机交互的大众化时代
3. 当前正处于技术爆发的关键阶段，未来竞争将聚焦于推理能力、能源效率、个性化及现实世界深层理解，AI革命仍处于起步阶段。