2025年人工智能教育与人才培养手册.docxVIP

2025年教育与人才培养手册

第1章认知与未来展望

第一节技术的演进脉络与核心分类

（ArtificialIntelligence，简称）起源于20世纪50年代的冯·诺依曼“通用问题求解器”概念，其发展历程可划分为符号主义、连接主义和行为主义三大流派。早在1956年达特茅斯会议上，学者们正式确立了“”这一学科名称，标志着该领域从理论构想走向系统化研究。在技术演进初期，专家系统（ExpertSystems）是主要形态，如早期的诊断系统“MYCIN，通过规则库和推理引擎解决特定领域问题，但其难以处理模糊性和非结构化数据，且依赖人工编写的知识，限制了通用性。

进入90年代，神经网络技术取得突破，反向传播算法的改进使得深度学习成为可能。1996年，Hinton等人提出深度belief网络（DBN），开启了基于统计学习的智能时代，尽管当时仍主要局限于图像分类等结构化任务。2012年，Google的AlphaGo通过模拟围棋对黑石集团获胜，打破了人类在复杂博弈中的绝对优势，验证了强化学习在策略优化中的巨大潜力，引发了全球范围内的技术爆发。2017年，Transformer架构的提出彻底改变了自然语言处理（NLP）范式，其核心在于利用自注意力机制（Self-Attention）并行处理长距离依赖关系，使得BERT、GPT-3等模