AI 的发展历程大致如下：
早期阶段（1950s – 1960s）：包括专家系统、博弈论、机器学习初步理论等。 知识驱动时期（1970s – 1980s）：以专家系统、知识表示、自动推理为主要特点。 统计学习时期（1990s – 2000s）：出现了机器学习算法，如决策树、支持向量机、贝叶斯方法等。 深度学习时期（2010s – 至今）：深度神经网络、卷积神经网络、循环神经网络等技术得到广泛应用。人工智能作为一个领域始于二十世纪中叶，最初符号推理流行并带来重要进展，如专家系统。但因从专家提取知识并转化为计算机可读形式复杂且成本高，20 世纪 70 年代出现“人工智能寒冬”。随着计算资源变便宜、数据增多，神经网络方法在计算机视觉、语音理解等领域展现出色性能，过去十年“人工智能”常被用作“神经网络”的同义词。
此外，还有关于 AI 进化史的相关内容，如前神经网络时代、Machine Learning 的跃迁、开启潘多拉的魔盒；软件 2.0 的崛起，包括软件范式的转移和演化、Software 2.0 与 Bug 2.0；面向智能的架构，如 Infrastructure 3.0、如何组装智能、智能架构的先锋；一统江湖的模型，如 Transformer 的诞生、基础模型、AI 江湖的新机会；现实世界的 AI，如自动驾驶新前沿、机器人与智能代理；AI 进化的未来，如透视神经网络、千脑理论、人工智能何时能通用等。
