AI的思想源头，可追溯至计算机诞生之前。1950年，艾伦·图灵在《计算机器与智能》中抛出震撼性问题：“机器会思考吗？”他设计的“模仿游戏”（后称图灵测试），首次为“智能”提供了可量化的判断标准，为后来的研究埋下哲学火种。彼时计算机尚处萌芽期，图灵的设想更像科幻命题，却悄然搭建起AI的理论基石。

1956年的达特茅斯会议，成为AI正式诞生的里程碑。约翰·麦卡锡、马文·闵斯基等科学家齐聚小镇学院，用两个月的激烈辩论，为“用机器模仿人类学习与智能”的研究定名——“人工智能”。会上确立的自动计算机、语言编程、神经网络等七大方向，至今仍是AI研究的核心领域。这场看似小众的学术会议，恰似一声号角，拉开了智能革命的序幕。

早期探索充满理想主义色彩。1957年，弗兰克·罗森布拉特发明的感知机，成为首个可学习的神经网络模型，模仿生物神经元的工作机制，为深度学习埋下技术伏笔。1966年，聊天机器人ELIZA凭借“罗杰式对话法”骗过众多用户，让人们首次见识到AI在语言交互上的潜力。20世纪70年代，MYCIN医疗诊断系统等专家系统落地，使AI从实验室走向实际应用，展现出商业化价值。

然而，技术局限很快引发“AI寒冬”。早期系统受限于算力不足与算法简陋，难以解决复杂现实问题，资金与关注度急剧萎缩。直到1997年，IBM“深蓝”击败国际象棋世界冠军卡斯帕罗夫，才让世界重新审视AI的力量——这是机器首次在战略思维领域超越人类。进入21世纪，汤姆·米切尔提出的“机器学习”定义，推动研究从“规则驱动”转向“数据驱动”，为技术突破积蓄能量。

2012年成为AI发展的分水岭。AlexNet在图像识别竞赛中以压倒性优势夺冠，证明深度神经网络的巨大潜力，正式开启深度学习革命。2017年谷歌提出的Transformer架构，解决了长序列数据处理难题，成为GPT、BERT等大模型的核心骨架。2020年GPT-3的问世，以1750亿参数展现出“涌现能力”，标志着AI从“专用智能”迈向“通用智能”的关键一步。

如今，AI已形成“数据+算法+算力”的三角架构，渗透到生活的每个角落。从达特茅斯学院的思想碰撞，到今天多模态大模型的蓬勃发展，AI的由来是一部充满突破与蛰伏的进化史。它既是人类智慧的结晶，更是科技文明前行的见证——而这段旅程，才刚刚开启新的篇章。