AI 发展史课程

沿着 AI 发展的真实时间线学习，理解每个阶段为什么出现、解决了什么问题、又留下什么局限。

本课程共 7 个阶段、29 节课，按照 AI 发展的真实历程编排。

第一阶段：AI 的诞生与奠基（1950s — 1960s）

核心问题：机器能思考吗？

序号	课程	简介
1	什么是人工智能	图灵测试、AI 的定义与分类
2	AI 的诞生：达特茅斯会议	1956 年达特茅斯会议、AI 学科诞生
3	第一个学习算法：感知机	Rosenblatt 感知机、线性分类、XOR 问题

第二阶段：冬天与复苏（1970s — 1980s）

核心问题：AI 为什么失败？多层网络怎么训练？

序号	课程	简介
1	第一次 AI 寒冬	感知机局限、资金削减、AI 泡沫破裂
2	专家系统	MYCIN、XCON、规则引擎、知识获取瓶颈
3	反向传播：让多层网络可训练	梯度下降、链式法则、Hinton 的贡献
4	第二次 AI 寒冬	专家系统崩塌、LISP 机市场崩塌、范式转变

第三阶段：机器学习时代（1990s — 2000s）

核心问题：如何从数据中自动学习？

序号	课程	简介
1	机器学习概述	监督学习、无监督学习、强化学习三大范式
2	经典算法	SVM、决策树、随机森林、朴素贝叶斯
3	深度学习的先行者	LeNet 卷积神经网络、LSTM 长短期记忆
4	机器学习的工程实践	数据收集、特征工程、模型评估、交叉验证

第四阶段：深度学习革命（2012 — 2016）

核心问题：如何自动学习特征表示？

序号	课程	简介
1	ImageNet 时刻	AlexNet、GPU 训练、ReLU、Dropout
2	CNN 深入	VGG、ResNet、残差连接、迁移学习
3	生成对抗网络 GAN	生成器与判别器、对抗训练
4	AlphaGo：强化学习的里程碑	DeepMind、MCTS、自我对弈

第五阶段：Transformer 与大模型（2017 — 2020）

核心问题：如何建模任意序列的依赖关系？

序号	课程	简介
1	Transformer：注意力就是一切	自注意力机制、多头注意力、位置编码
2	预训练语言模型	GPT-1、BERT、预训练-微调范式
3	GPT 系列与规模化	GPT-2、GPT-3、Scaling Law、涌现能力
4	Transformer 架构全景	Encoder-only、Decoder-only、Encoder-Decoder

第六阶段：生成式 AI 爆发（2021 — 2023）

核心问题：如何让 AI 生成有用的内容并对齐人类？

序号	课程	简介
1	文本生成与 ChatGPT	InstructGPT → ChatGPT、对话式 AI
2	RLHF：让 AI 对齐人类	人类反馈强化学习、奖励模型、DPO
3	图像生成	DALL-E、Stable Diffusion、扩散模型
4	多模态大模型	GPT-4V、视觉-语言模型、多模态融合

第七阶段：推理与智能体（2024 — 至今）

核心问题：如何让 AI 自主推理和行动？

序号	课程	简介
1	推理模型	OpenAI o1、DeepSeek R1、思维链
2	AI Agent 概论	感知-规划-行动框架、记忆系统
3	工具调用与 MCP	Function Calling、MCP 协议、A2A 协议
4	RAG 与知识增强	检索增强生成、向量数据库、Reranking
5	开源大模型生态	LLaMA、Mistral、Qwen、模型量化与部署
6	AI 的未来	AGI 讨论、AI 安全、监管与伦理