2012-AI发展的重要一年 ·
AlexNet在ImageNet大规模视觉识别挑战赛中表现突出,辛顿团队将深度卷积神经网络(CNN)推向实际应用,推动了深度学习的兴起,也标志着现代AI快速发展阶段的开始。
-关键人物之李飞飞:她参与创立的ImageNet,不仅为AI视觉研究提供了重要数据集,也促进了“以数据驱动智能”研究方式的转变。在ImageNet之前,计算机视觉领域使用的数据集规模较小,难以支撑复杂深度神经网络的训练,制约了该领域的发展。ImageNet凭借其较大规模与高质量标注,为后续更强模型的训练创造了条件。
-关键人物之黄仁勋:AlexNet的研究团队——杰弗里·辛顿的实验室,在训练该模型时使用了两块英伟达GTX
580显卡。黄仁勋与该公司的贡献在于:为深度学习的实验与研究提供了可行的加速计算方案。研究人员发现,使用CUDA与GPU进行深度神经网络训练,相比传统CPU可实现数十倍乃至上百倍的效率提升。此后,越来越多的AI研究团队开始采用英伟达显卡进行相关实验。黄仁勋与英伟达较早关注到了这一需求。
2014 · 生成对抗网络GAN诞生(杨立昆团队在生成模型方面取得进展)
2017 ·
Transformer架构发布,Google推动大模型发展,其提出的“注意力机制”对自然语言处理领域产生重要影响,此后BERT、GPT系列模型逐渐得到广泛应用
2022 ·
ChatGPT推出,生成式AI逐渐进入公众视野,从GPT-3到DALL·E,多模态能力不断拓展;开源模型与AI工具逐渐普及,技术逐步走向更多实际应用场景
2023 · 多模态技术进一步发展(文字、图像、视频等领域持续取得进展)
2024年-2025 年
智能体与通用AI探索持续深入,DeepSeek等国内团队在此领域积极开展工作,创始人梁文锋致力于推动开源生态建设
💡 给留学家庭的参考:
AI正在影响多个学科的演进,AI的重要进展仍较多出现在美国一些高校与企业中,例如斯坦福、MIT、CMU、伯克利等机构。这些地方形成的产学研协作环境,持续吸引着国际人才。无论是计算机科学、电子工程,还是新兴的人工智能相关专业,这些地区在技术发展方面仍具有较高的活跃度。









