摘要：在人类文明的演进历程中，科学技术始终是推动社会发展的核心动力。回顾历史，科技进步呈现出阶段性的特征，每一个阶段都有其标志性的技术突破和创新，这些突破不仅改变了人类的生活方式，也为后续科技的发展奠定了基础。

·

王耀南

在人类文明的演进历程中，科学技术始终是推动社会发展的核心动力。回顾历史，科技进步呈现出阶段性的特征，每一个阶段都有其标志性的技术突破和创新，这些突破不仅改变了人类的生活方式，也为后续科技的发展奠定了基础。

工业革命时代（1733～1878）是人类科技发展的重要转折点。1733年，约翰·凯发明的穿梭织布机，拉开了工业革命的序幕。詹姆士·瓦特对蒸汽机的改进，极大地提高了蒸汽机的效率，为工业生产提供强大动力支持。

电气时代（1879～1946）以一系列重大发明为标志，将人类带入一个全新的时代。1879年，托马斯·爱迪生和约瑟夫·斯旺发明的电灯泡，彻底改变了人类的照明方式。1885年，卡尔·本茨设计世界上第一辆内燃机汽车，开启了交通运输领域的新纪元。1894年，马可尼发明的无线电报，实现了信息的无线传输，打破了信息传播的地域限制。1946年，世界上第一台电子数字积分（ENIAC）计算机的诞生，它标志着人类进入了电子计算机时代，为后续信息技术的飞速发展奠定了基础。

电子时代（1947～1972）见证了电子技术的飞速发展。1947年，晶体管在美国贝尔实验室诞生，这一发明具有革命性意义。1956年，公式翻译程序语言（FORTRAN）成为第一个计算机编程语言，促进了计算机应用的普及。1968年，第一批使用集成电路的计算机（B2500和B3500）诞生，进一步提高了计算机的性能和可靠性。1969年，美国国防部研制出的先导交互网络Arpanet，为互联网发展奠定基础。

信息时代（1973～1995）是科技发展的高速阶段。1973年，集成电路技术突破发展，使得计算机的性能得到了极大提升。1977年，美国苹果电脑公司推出苹果Ⅱ型计算机，这是第一台彩色图像的个人电脑；同年，计算机首次实现联网，标志着互联网时代的到来。1993年，美国英特尔公司开发出最新一代电脑芯片（Pentium），显著提升了计算机的运算能力，推动了社会的信息化和数字化进程。

艾伦·麦席森·图灵

智能时代（21世纪以来），以人工智能技术为代表的智能技术正掀起了新的工业革命浪潮，推动人类社会向智能化时代加速跃迁。人工智能技术的发展经历了五个发展阶段。①起步发展期（1943年—20世纪80年代）：1943年，美国神经科学家麦卡洛克和逻辑学家皮茨提出神经元的数学模型，这是现代人工智能学科的奠基石之一。1950年，艾伦·麦席森·图灵提出“图灵测试”，让机器产生智能这一想法开始进入人们的视野。1956年达特茅斯会议召开时，与会者或许未曾意识到，他们正在启动的不仅是人工智能研究，更是一场重塑人类文明的技术范式革命。1968年，爱德华·费根鲍姆提出首个专家系统DENDRAL，并对知识库给出了初步的定义，这也孕育了后来的人工智能发展浪潮。1969年，“符号主义”代表人物马文·明斯基的著作《感知器》提出对XOR线性不可分的问题。1980年，在美国的卡内基梅隆大学召开了第一届机器学习国际研讨会，标志着机器学习研究开始在全世界兴起。1986年，丰田工厂里的焊接机器人因引入视觉传感器开始具备环境感知能力，这标志着AI研究从符号逻辑向感知智能的范式转移。②平稳发展期（20世纪90年代—2010年）：以机器学习技术为代表的人工智能技术进入平稳发展阶段。1995年，弗拉基米尔·万普尼克提出联结主义经典的支持向量机，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。1995年，弗罗因德和沙皮尔提出了自适应提升算法，通过采用集成学习方法，一种串行组合弱学习器，以达到更好的泛化性能。2001年，约翰·拉夫蒂首次提出条件随机场模型，这是一种基于贝叶斯理论框架的判别式概率图模型。2006年，杰弗里·辛顿以及他的学生鲁斯兰·萨拉赫丁诺夫正式提出了深度学习的概念，开启了深度学习在学术界和工业界的浪潮。③快速发展期（2011年至2016年）：进入21世纪，以深度学习为代表的人工智能技术得到了快速发展。2012年，杰弗里·辛顿和他的学生伊尔亚·苏茨克维设计的AlexNet神经网络模型在大规模图像视觉识别竞赛大获全胜，这是史上第一次有模型在大规模图像视觉识别可视化数据集上表现如此出色，并引爆了神经网络的研究热情。2013年，牛津大学视觉几何小组提出的用于大规模图像识别的深度卷积神经网络，这个网络在大规模图像视觉识别竞赛中取得了显著的成绩，证明了深度卷积网络在图像分类任务中的有效性。2016年，由微软研究院的何恺明等人提出残差神经网络，引入了残差学习的概念，提高神经网络表示能力。同年，AlphaGo战胜韩国围棋棋手李世石，标志着人工智能在复杂博弈中的重要突破，后续被广泛应用于研究、游戏以及算法优化等领域。④繁荣发展期（2017年至2022年）：以大模型技术为代表的人工智能技术繁荣发展。2017年，谷歌在论文《Attention is All You Need》中提出变压器神经网络架构，用于文本语言处理序列数据，OpenAI于2018年提出GPT大模型技术，专注于文本生成任务。同年，谷歌提出双向编码变压器模型，在多项自然语言理解任务上取得突破。2019年，OpenAI提出GPT-2模型，通过对GPT的升级，使其参数量更大，生成文本质量更高。2020年，谷歌提出的统一文本到文本转换框架T5，将各种自然语言处理任务转化为文本生成任务。同年，OpenAI提出参数量高达1750亿的GPT-3模型，展现出强大的文本生成和少样本学习能力。2022年，DeepMind提出的多模态模型Flamingo，能够处理图像、视频和文本信息，在少样本学习任务上表现出色。谷歌开发超大规模语言模型PaLM，在推理和代码生成任务上表现十分出色。⑤爆发发展期（2023年至今）：具身智能等大模型技术不断爆发，改变社会。2023年，DeepMind团队用AlphaFold2预测出2.3亿种蛋白质结构，相当于将人类百年积累的生物学认知扩展了1000倍。OpenAI发布的GPT-4最新版本，支持多模态输入，已能完成文案创作、代码编写等复杂任务。谷歌发布RT-2大模型，进一步提升机器人视觉—语言—动作模型的性能和泛化能力，实现更复杂的具身智能作业任务。2025年1月，杭州深度求索公司推出DeepSeek大模型，在推理、自然语言理解与生成、图像与视频分析、语音识别与合成、个性化推荐、大数据处理与分析、跨模态学习等八大领域表现出色。

未来十年，人工智能技术将持续推动社会变革。基础大模型的进化将突破更多科学瓶颈。2025年，多模态大模型将深度融入科研，赋能生物医学、气象等领域的复杂问题分析。具身智能大模型技术将开启物理世界探索的新维度。在通往通用人工智能的征途上，我们需要的不仅是更强大的算法，更是对生命本质的敬畏、对技术伦理的坚守，以及对人类文明未来的深邃思考。人工智能终将带领人类进入认知革命的新纪元。

（作者系中国工程院院士，机器人视觉感知与控制技术国家工程研究中心主任）

选自《新湘评论》2025年第11期

编辑：陈家琦

↓ 新湘评论官方视频号 ↓

掌上阅读党刊

《新湘评论》

2025年第11期

进入电子刊

来源：新湘评论一点号