1950 年，Alan Turing 在其开创性论文《计算机与智能》中首次提出了人工智能的概念，他在文中探讨了机器像人类一样思考的可能性。虽然图灵奠定了理论基础，但如今我们所熟知的人工智能则是数十年创新的成果，它是由众多科学家和工程师在多个领域推动技术发展所共同造就的。

1940 年 – 1980 年

1943 年，Warren McCulloch 和 Walter Pitts 提出了人工神经元模型，为神经网络这一人工智能核心技术奠定了基础。

紧接着，Alan Turing 在 1950 年发表了《计算机器与智能》一文，介绍了用于评测机器智能的图灵测试的概念。

这促使 1951 年至 1969 年间，研究生 Marvin Minsky 和 Dean Edmonds 建造了第一台神经网络机器 SNARC，Frank Rosenblatt 开发了最早的神经网络模型之一 Perceptron，Joseph Weizenbaum 创造了最早的聊天机器人之一，它能够模拟罗杰斯式心理治疗师角色的 ELIZA。

然而，1969 年至 1979 年间，Marvin Minsky 揭示了神经网络的局限性，导致神经网络研究暂时陷入低谷。由于资金减少以及硬件和计算能力的限制，第一次“人工智能寒冬”随之而来。

1980 年 – 2006 年

在政府资助和研究的推动下，20 世纪 80 年代人们对人工智能的兴趣再次激增，尤其是在翻译和转录等领域。在此期间，像 MYCIN 这样的专家系统因能够在诸如医学等专业领域模拟人类的决策过程而崭露头角。神经网络的复兴也逐渐形成，David Rumelhart 和 John Hopfield 等人的开创性研究为深度学习技术奠定了基础，证明了计算机能够通过经验进行学习。

然而，在 1987 年至 1997 年期间，社会经济因素（包括互联网热潮）导致了第二次“人工智能寒冬”。在这段时期，人工智能研究变得更加分散，且在商业应用方面也受到了限制。

这一局面在 1997 年发生了转变，当时 IBM 的“深蓝”计算机成功击败了国际象棋世界冠军 Garry Kasparov，这是人工智能领域的一项重大成就。大约在同一时期，Judea Pearl 在概率论和决策理论方面的研究推动了该领域的发展，而像 Geoffrey Hinton 这样的先驱者则重新激发了人们对深度学习的兴趣，为神经网络的复兴奠定了基础。尽管商业兴趣仍在不断增强，但这些创新为人工智能的下一阶段发展奠定了基础。

2007 年至今

2007 年至 2018 年间，云计算技术的进步使得计算能力和人工智能基础设施更加普及。这推动了机器学习的广泛采用、创新与发展。这些发展包括名为 AlexNet 的卷积神经网络（CNN）架构（该架构由 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 合作开发，并在 ImageNet 竞赛中获胜，展示了深度学习在图像识别方面的强大功能）以及 Google 的 AlphaZero（该模型在没有人类数据的情况下，仅凭自我对弈便掌握了国际象棋、将棋和围棋游戏）。

2022 年，采用人工智能（AI）与自然语言处理（NLP），能够像人类一样进行交谈并完成各项任务的 聊天机器人（如 OpenAI 的 ChatGPT）因其对话能力而广为人知，这一突破再次激发了人们对人工智能的兴趣，并推动了该领域的蓬勃发展。