AI 發展時間線
從圖靈機到現代大型語言模型
91 項事件
阿隆佐·邱奇和阿蘭·圖靈在他們各自的1936年論文中各自獨立提出了著名的 Church-Turing 論題。該論題認為：任何可有效計算的函數都是圖靈機可計算的。這一論題將「可計算性」這個直觀概念形式化，成為計算機科學的基礎。
早期理論阿蘭·圖靈在其開創性論文《論可計算數及其在判定問題中的應用》中提出了圖靈機概念。這是一個抽象的計算模型，能夠模擬任何可計算的數學過程。圖靈機不僅奠定了計算理論的基礎，也為我們理解「計算」本身提供了最本質的框架。
早期理論阿隆佐·丘奇提出了λ演算（Lambda Calculus），這是一個形式化的函數定義和函數應用系統。λ演算被視為函數式編程的理論基礎。1936年的原始λ演算是無類型的。邱奇在1940年的《簡單類型論的形式化》中加入了簡單類型，創建了最早的顯式類型系統之一。它與圖靈機在計算能力上是等價的。
早期理論沃倫·麥卡洛克和沃爾特·皮茨發表了《神經活動中內在觀念的邏輯演算》，提出了第一個人工神經元模型（McCulloch-Pitts 神經元）。這個模型將神經元簡化為一個二元閾值開關，為後來的神經網路研究奠定了基礎。
早期理論克勞德·香農發表了《通信的數學理論》，奠定了資訊論的基礎。資訊論不僅改變了通信技術，也為後來的機器學習和人工智慧提供了重要的理論基礎。熵、編碼、資訊量等概念成為理解資料和處理資訊的核心工具。
早期理論1955年，John McCarthy、Marvin Minsky、Nathaniel Rochester 與 Claude Shannon 在 Dartmouth Summer Research Project 的提案中使用了「Artificial Intelligence」一詞，並提出於1956年夏季共同研究機器智慧問題。
早期理論1956年夏季，達特茅斯研討會協助「Artificial Intelligence」這一名稱及其研究議程形成學術共同體，成為人工智慧作為獨立研究領域的重要奠基事件。該術語已出現在1955年的計畫提案中。
AI 誕生弗蘭克·羅森布拉特提出了感知機（Perceptron）模型，這是早期具有影響力的人工神經網路模型。感知機是一個簡單的線性二分類器，透過調整權重來學習分類輸入資料。這一突破性工作讓人們看到了機器學習的可能性。
AI 誕生約翰·麥卡錫在麻省理工學院開發了 Lisp 語言，這是早期專門面向人工智慧研究的高級編程語言。Lisp 的靈活性和強大的符號處理能力使其成為 AI 研究的首選語言，影響了 AI 領域數十年。
AI 誕生紐厄爾和西蒙在 J. C. 肖等人的協作下，於1957年至1959年開發了通用問題求解器（GPS）。它是第一個嘗試藉由把問題求解技術與特定問題領域的知識分開來模擬人類問題求解的 AI 程式，採用目標分解與子目標搜尋（手段目的分析）。
AI 誕生弗蘭克·羅森布拉特證明了感知機學習算法的收斂性，表明如果資料線性可分，感知機一定會收斂。這一理論結果為神經網路的學習提供了數學保證。
AI 誕生Unimate 成為第一台在裝配線上工作的機器人。1961年，通用汽車將它裝在紐澤西州特倫頓的工廠，用於卸載壓鑄機，把高溫鑄件從機器上取下。Unimation 製造這些機器，是為了承擔對人而言困難、危險或單調的工作。
AI 誕生Larry Roberts 在1963年的 MIT 博士論文《三維實體的機器感知》中，描述了從影像解釋簡單多面體場景的系統，成為早期三維計算機視覺的重要基礎。
AI 誕生MIT 於1963年在 Robert Fano 領導下啟動 Project MAC，研究分時運算、計算理論與機器輔助認知。1959年成立的 MIT 人工智慧計畫隨後參與其中。兩者並非同一個於1959年成立的實驗室。
AI 誕生約瑟夫·維森鮑姆在麻省理工學院創建了 ELIZA，這是早期聊天機器人之一。ELIZA 透過模式匹配模擬心理治療師的對話，雖然技術簡單，但引發了人們對人機交互的深刻思考。
AI 誕生史丹福研究所開發了 Shakey 機器人，這是一個能夠感知環境、規劃路徑並執行任務的自主移動機器人。Shakey 結合了計算機視覺、自然語言處理和規劃算法，展示了 AI 系統的綜合能力。
AI 誕生Marvin Minsky 和 Seymour Papert 出版《感知機》，嚴格分析了單層感知機能夠和不能表示的問題。該書後來常與神經網路研究興趣下降聯繫在一起，但當時的資金變化還受到算力限制、研究預期落空及政策調整等多重因素影響。
AI 寒冬Alain Colmerauer、Philippe Roussel 等人在馬賽開發了第一版 Prolog，將謂詞邏輯用於程式設計，推動了邏輯程式設計與符號人工智慧的發展。
AI 寒冬英國科學家詹姆斯·萊特希爾向英國政府提交了一份關於 AI 研究狀況的報告。報告對 AI 的進展持悲觀態度，認為 AI 的承諾遠遠沒有實現。這導致英國政府大幅削減 AI 研究經費。
AI 寒冬史丹佛大學開發了 MYCIN，這是一個用於醫療診斷的專家系統，能夠根據患者的症狀和測試結果推薦抗生素治療方案。MYCIN 展示了專家系統的實用性，儘管由於責任問題從未實際用於臨床。
AI 寒冬DEC 公司部署了 XCON（eXpert CONfigurer），這是一個用於配置 VAX 電腦系統的專家系統。它於1978年在卡內基美隆大學開始研發，1979年首次部署，1980年全面投入使用，是最早在商業上取得成功的專家系統之一，每年為公司節省數百萬美元。
AI 寒冬20世紀70年代，在批評性評估和經費削減之後，部分 AI 研究進入低谷。「第一次 AI 寒冬」是後來的歷史分期，不同國家和研究方向受到影響的時間與程度並不相同。
AI 寒冬1981年10月，日本在 JIPDEC 與通產省主辦的會議上宣布了第五代電腦計畫（FGCS），這是一項為期10年的國家計畫，旨在開發能夠進行邏輯推理和知識處理的電腦。1982年4月，新世代電腦技術開發機構（ICOT）成立，計畫正式啟動。
AI 寒冬1980年代後期，遠超實際成果的期望紛紛落空。Lisp 機器廠商敗給了通用工作站，多家 AI 公司關閉，DARPA 對基礎 AI 研究的資助在1987年至1989年間下降。
AI 寒冬1990年代，統計方法開始主導 AI 研究。隱馬爾可夫模型（HMM）在語音識別中的應用，朴素貝葉斯和決策樹在機器學習中的應用，都取得了很好的效果。
復興時代在海灣戰爭中，美國軍方使用了基於 AI 的規劃和後勤系統。雖然這些系統並不完美，但展示了 AI 在現實世界中的應用潛力。
AI 寒冬這場低潮是逐漸緩解的，並沒有確切的結束日期。許多研究者轉向更務實、可實現的目標，而神經網路與機率方法研究的復興為新時代奠定了基礎。
AI 寒冬弗拉基米爾·瓦普尼克等人提出了支援向量機（SVM），這是一種強大的分類和回歸方法。SVM 在文本分類、手寫識別等任務上取得了優異性能。
復興時代塞普·霍克賴特和于爾根·施密德胡伯提出了長短期記憶網路（LSTM），這是一種特殊的遞迴神經網路，能夠學習長期依賴關係。LSTM 在語音識別、語言建模等任務上取得了巨大成功。
復興時代楊立昆開發了 LeNet-5，這是一個用於手寫數字識別的卷積神經網路。LeNet-5 是最早大規模商業部署的深度學習模型之一，1993年起被 AT&T/NCR 用於支票識別，自1990年代末起被美國郵政系統用於郵政編碼識別。
復興時代Yoshua Bengio、Réjean Ducharme、Pascal Vincent 和 Christian Jauvin 提出神經機率語言模型，同時學習詞的分散式表示與詞序列機率，以連續表示緩解維度災難。該模型使用前饋神經網路，並非 RNN。
復興時代自2004年起，CIFAR 專案促成 Geoffrey Hinton、Yann LeCun、Yoshua Bengio 與合作者定期交流。該專案推動了後來深度學習復興所依賴的研究協作，但並非唯一或確定的起點。
復興時代傑弗里·辛頓與合作者提出了深度信念網路（DBN），並給出一種快速的貪婪演算法，逐層訓練這種網路。這種逐層預訓練幫助重新喚起了人們對深度神經網路的興趣。
復興時代研究人員開始使用 GPU（圖形處理器）來加速深度學習訓練。GPU 的並行計算能力使得訓練大型神經網路成為可能，大大加速了深度學習的發展。
復興時代ImageNet 團隊於2009年發表大型階層式影像資料庫論文，以 WordNet 階層組織大規模標註影像。其後 ImageNet 與視覺辨識挑戰成為電腦視覺規模化訓練與評測的重要基礎設施。
復興時代微軟研究院與多倫多大學率先取得深度學習在語音辨識領域的首次重大突破（Dahl、Yu、Deng 2011；Mohamed、Dahl、Hinton 2012），大幅降低了詞錯誤率。2012—2015年間，Google 陸續在產品中部署了基於 DNN/LSTM 的語音辨識。
復興時代亞歷克斯·克里澤夫斯基、伊利亞·蘇茨克維和傑弗里·辛頓的團隊以 AlexNet 參加2012年 ImageNet 競賽（ILSVRC），以壓倒性優勢奪冠：top-5 錯誤率為 15.3%，亞軍為 26.2%。
復興時代托馬斯·米科洛夫發布 Word2Vec，這是一種用於學習詞嵌入的神經網路模型。Word2Vec 讓電腦能表示詞語之間的語義關係。
復興時代伊恩·古德費洛提出了生成對抗網路（GAN），這是深度學習領域最重要的創新之一。GAN 透過兩個神經網路的對抗訓練，能夠生成極其逼真的圖像。
復興時代何愷明等人提出了殘差網路（ResNet），透過引入跳躍連接解決了深層網路訓練困難的問題。ResNet 使得訓練數百層的神經網路成為可能。
復興時代DeepMind 開發的 AlphaGo 在五番棋比賽中以 4 比 1 擊敗了世界圍棋冠軍李世石。圍棋被認為是 AI 最難攻克的棋類遊戲之一，AlphaGo 的勝利被認為是 AI 歷史上的里程碑。
復興時代Google 提出了 Transformer 架構，這是自然語言處理領域的一次革命性突破。Transformer 摒棄了傳統的循環結構，完全基於注意力機制，成為現代大型語言模型的基礎。
復興時代OpenAI 發布了 GPT-3，這是一個擁有 1750 億參數的大型語言模型。GPT-3 展示了令人驚訝的語言生成能力，能夠進行對話、寫作、程式設計等複雜任務，引發了對通用人工智慧可能性的廣泛討論。
大模型時代OpenAI 發布了 DALL-E（圖像生成）和 CLIP（圖像-文本對比學習）。這些模型展示了 AI 理解和生成多模態內容的能力。
大模型時代OpenAI 發布了 Codex，這是一個能夠理解和生成程式碼的 AI 模型。基於 Codex 的 GitHub Copilot 成為第一個大規模使用的 AI 程式設計助手，標誌著 AI 輔助開發時代的到來。
大模型時代2022年11月，OpenAI 發布了 ChatGPT，這是第一個面向大眾市場的生成式 AI 對話助手。ChatGPT 在兩個月內突破 1 億使用者，成為歷史上增長最快的消費產品，徹底改變了人們對 AI 的認知。
大模型時代Stability AI 發布了 Stable Diffusion，這是一個可自由下載權重的圖像生成模型，其授權對部分用途設有限制。開源社群的活躍使得圖像生成技術迅速普及。
大模型時代OpenAI 發布了 GPT-4，這是一個多模態大模型，能夠處理圖像和文本。GPT-4 在各種專業和學術基準測試中表現出接近人類水平的性能。
大模型時代Meta 發布了 LLaMA（Large Language Model Meta AI），這是一個採用非商業研究許可的大語言模型。LLaMA 的參數規模相對較小但性能優秀，推動了開源大模型的發展。
大模型時代AI Agent 的概念開始受到廣泛關注。Agent 是指能夠自主規劃、執行複雜任務的 AI 系統，它能夠理解目標、制定計劃、使用工具、評估結果。
大模型時代2024年2月，Google 發布採用混合專家架構的 Gemini 1.5，並在研究預覽中提供最長 100 萬詞元的上下文視窗。
大模型時代Anthropic 發布了 Claude 3 系列，包括 Opus、Sonnet 和 Haiku 三個版本。Claude 3 Opus 在包括 MMLU 和 GPQA 在內的多個基準上與 GPT-4 表現相當，在其他一些基準上略遜於 GPT-4。
大模型時代歐盟通過了《AI 法案》——這是首部針對人工智慧的綜合性橫向監管法規。該法案建立了基於風險的分類體系，並對高風險 AI 系統設定了嚴格要求。
大模型時代OpenAI 發布了 o1 模型，這是一個具有推理能力的大模型。o1 在科學和程式設計任務上表現出色，展示了「思考」能力。
大模型時代2024年10月，Anthropic 為升級版 Claude 3.5 Sonnet 推出電腦操作公開測試。開發者可以讓 Claude 查看螢幕、移動游標、點擊和輸入。
大模型時代到2025年，AI 智能體從研究演示走向生產工具。程式設計智能體、瀏覽器智能體、多步任務智能體成為標準產品，OpenAI、Anthropic、Google 以及開源專案均推出了能力成熟的系統。
大模型時代中國 AI 實驗室 DeepSeek 發布了 R1——一個程式碼與權重均採用 MIT 授權的開放權重推理模型，效能可與 OpenAI o1 比肩。這次發布證明，前沿能力可以在美國 AI 體系之外實現，引發了全球對 AI 競爭格局的重新評估。
大模型時代OpenAI、Oracle、SoftBank 與阿聯酋 MGX 聯合宣布，計畫在四年內投資 5000 億美元在美國建設 AI 基礎設施，其中包括多座大型資料中心。
大模型時代Anthropic 發布 Claude 3.7 Sonnet，並稱它是首個全面上市的混合推理模型：使用者可在同一個模型中切換即時回答與深度思考。
大模型時代Anthropic 在2025年3月宣布完成 35 億美元融資，估值達 615 億美元。這輪融資使 Anthropic 成為全球估值最高的 AI 創初公司之一，反映了 AI 行業的資本進一步集中。
大模型時代Meta 發布原生多模態的開放權重模型 Scout 與 Maverick，並預覽仍在訓練的教師模型 Behemoth。Behemoth 當時並未發布。
大模型時代Anthropic 發布 Claude 4 系列模型（Opus 4 與 Sonnet 4），引入了「擴展思考」（Extended Thinking）能力，在程式設計、推理與長任務上大幅提升。Claude 4 鞏固了 Anthropic 在企業 AI 市場的地位。
大模型時代2025年8月2日，《歐盟人工智慧法案》中針對通用人工智慧模型的治理規則與義務開始適用。其他條款依不同時間表分階段適用，不能把該日期籠統稱為「全面執法啟動」。
大模型時代OpenAI 完成公司資本重組。營利業務轉為公益公司，名為 OpenAI Group PBC；非營利的 OpenAI Foundation 繼續控制該業務，兩者使命一致。OpenAI 表示，此次重組是在與加州和德拉瓦州總檢察長辦公室歷時近一年的溝通之後完成的。
大模型時代2026年上半年，Agent 能力從展示走向企業產品交付：程式設計、客服與辦公自動化 Agent 成為有文件記載的功能，工具呼叫與多 Agent 協作的基礎設施也隨之成熟。但採用程度究竟到了哪一步並無定論。各家調查對「什麼算一個 Agent」口徑不一，得出的投產比例差異很大，因此本條只記錄方向，不給出水平。
大模型時代2026年上半年，DeepSeek、阿里 Qwen、Moonshot、智譜與 Meta 的開放權重發布達到了此前只見於閉源系統的規模，權重與模型卡可直接下載，而非僅有描述。它們是否已經追平閉源前沿，取決於採用哪一套基準指數以及如何加權，因此本條只記錄發布了什麼、以何種授權發布，不給出排名。
大模型時代Nature 發表了 Co-Scientist，一套基於 Gemini 的多智能體系統，能夠提出可供實驗驗證的新研究假設。論文報告了三個生物醫學場景下的驗證：藥物重新定位、新標靶發現，以及抗微生物抗藥性機制的解釋。作者將其定位為研究者的助手而非替代者。這使它成為經同儕審查的證據，說明 AI 已參與假設生成，而不只是資料分析。
大模型時代據2026年6月11日的報導，Meta 開始解除與 AI 智能體公司 Manus 的收購整合，停止雙方資料共享並拆分營運。報導將此舉與中國監管要求連結。交易後續的法律與營運狀態仍應以最新披露為準。
大模型時代Anthropic 於2026年6月9日發布面向一般使用者、帶安全防護的 Fable 5，並向經審核的 Project Glasswing 夥伴提供限制較少的 Mythos 5。6月12日美國出口管制要求限制外國人士存取。因無法即時核驗國籍，Anthropic 暫停兩款模型的全球服務。管制於6月30日解除，Fable 5 於7月1日恢復全球提供，Mythos 5 則先向獲准的美國機構恢復。
大模型時代2026年6月13日，由紐約州檢察長牽頭的美國多州檢察長聯盟對 OpenAI 發起調查，並向其發出傳票。傳票要求提供與廣告投放、用戶參與度與留存、模型諂媚傾向、消費者與健康資料處理、以及對未成年人和老年人保護相關的文件。OpenAI 表示將配合各州檢察長的工作，並強調 ChatGPT 已為未成年人建構更嚴格的保護機制。
大模型時代2026年6月29日，三星與 SK 海力士公布合計 800 兆韓圜的多年期半導體投資計畫，涉及韓國西南部的四座記憶體晶圓廠。美元換算會隨匯率變動，專案範圍、核准與執行進度仍需持續核驗。
大模型時代Google 全天候代理助手 Gemini Spark 正式登陸 macOS，支援即時追蹤與更多應用接入。Gemini Spark 可在使用者數位生活的多個面向提供持續代理服務，標誌著 Google 將代理 AI 推向消費者桌面端。
大模型時代2026年7月，Moonshot AI 在 Hugging Face 發布了 Kimi K3 的開放權重。模型卡記載總參數 2.8 兆、啟用參數 1040 億，脈絡窗口 1,048,576 個詞元，授權條款為 Kimi K3 License。按總參數計，它在發布時是最大的可公開下載語言模型之一。
大模型時代2026年7月1日，Cloudflare 宣布按 Search、Agent 與 Training 三類用途管理 AI 流量，並表示自9月15日起，新加入 Cloudflare 的網域會在含廣告頁面預設阻擋 Training 與 Agent 類爬蟲，同時預設允許 Search 類爬蟲。網站擁有者可調整設定，多用途爬蟲依最嚴格的適用規則處理。
大模型時代2026年7月2日，微軟宣布成立新事業部「Microsoft Frontier Company」，專注企業 AI 部署。該項目將獲得微軟 25 億美元投資，並由 6000 名產業與工程專家組成。這是繼 Amazon、OpenAI 之後，又一主要廠商成立專門 AI 部署組織。
大模型時代2026年7月9日，OpenAI 在結束有限預覽後全面推出 GPT-5.6 系列，包括 Sol、Terra 與 Luna。預覽期間，OpenAI 與專家機構及可信合作夥伴密切協作。
大模型時代2026年8月2日，歐盟 AI 法案進入全面適用階段，AI 辦公室與成員國主管機關開始承擔實施、監督與執法職責。同一次修訂推遲了負擔最重的高風險義務：附件三所列獨立系統自2027年12月2日適用，嵌入受監管產品的 AI 自2028年8月2日適用。禁止性條款自2025年2月2日起已經適用，通用模型義務自2025年8月2日起適用。
大模型時代2026年9月2日，ARC Prize 公布了對 GPT-6 Astra 的 ARC-AGI-3 核驗結果，涵蓋十二種 harness 配置。在同一個半私有評測集上，標準 harness 下模型得 62.71%，該 harness 允許模型自行選擇帶走哪些筆記；Provider Adapter harness 下得 98.55%，它在請求之間保留推理狀態並對長對話做壓縮。Astra 在 96% 的關卡上使用的動作數少於受測人類的中位數。這個分數衡量的是模型連同它的鷹架，因此兩個數字都記錄在此。
大模型時代2026年9月3日，OpenAI 發布 GPT-6 Astra 的系統卡，稱該模型在公司自有的 Preparedness Framework 下達到網路能力的 Critical 閾值，是 OpenAI 首個被置於該等級的模型。系統卡描述的模型能夠發現此前未知的安全缺陷，並在許多防護良好的系統上開發出新的利用方式，而無需人逐步引導。敏感能力經由可信存取計畫限制。該定級是 OpenAI 以自家框架對自家模型所作的評估，系統卡中並未出現 AGI 或通用智慧字樣。
大模型時代