人工智能的发展主要经历了以下几个阶段：
周鸿祎总结的 AI 发展五个阶段为：
在人工智能发展早期，符号推理流行，但因方法无法大规模拓展及知识提取和表示的复杂性，出现了“人工智能寒冬”。随着计算资源变便宜和数据增多，神经网络方法在计算机视觉、语音理解等领域展现出卓越性能，过去十年中“人工智能”常被用作“神经网络”的同义词。
1.早期阶段(1950s-1960s):专家系统、博弈论、机器学习初步理论2.知识驱动时期(1970s-1980s):专家系统、知识表示、自动推理3.统计学习时期(1990s-2000s):机器学习算法(决策树、支持向量机、贝叶斯方法等)4.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
人工智能作为一个领域始于二十世纪中叶。最初，符号推理非常流行，也带来了一系列重要进展，例如专家系统——能够在某些有限问题的领域充当专家的计算机程序。然而，人们很快发现这种方法无法实现应用场景的大规模拓展。从专家那里提取知识，用计算机可读的形式表现出来，并保持知识库的准确性，是一项非常复杂的任务，而且因为成本太高，在很多情况下并不适用。这使得20世纪70年代出现了“人工智能寒冬”（[AI Winter](https://en.wikipedia.org/wiki/AI_winter)）。随着时间的推移，计算资源变得越来越便宜，可用的数据也越来越多，神经网络方法开始在计算机视觉、语音理解等领域展现出可与人类相媲美的卓越性能。在过去十年中，“人工智能”一词大多被用作“神经网络”的同义词，因为我们听到的大多数人工智能的成功案例都是基于神经网络的方法。我们可以观察一下这些方法是如何变化的，例如，在创建国际象棋计算机对弈程序时：
我试图总结AI发展的五个阶段，供大家参考：第一，小模型阶段，能力单一，无法泛化，无法做到理解，只能干点活儿，就像原来的人脸识别。所以，我早期的人脸识别公司为什么没有掀起工业革命，虽然他们做的也很辛苦，但是很不幸出现在人智障阶段。第二，GPT出现，AGI迎来拐点，机器实现与人类的交流。第三，Sora的出现，打开了AGI的大门，能够认知世界，跟世界互动。所以，未来五年，我觉得Sora加大算力，加大训练，跟具身机器人结合在一起，我认为户加速智能的提升。我觉得现在Sora的训练算力可能还受到一些限制，所以这是第三个阶段。第四，我觉得是强人工智能。现在机器已经能看懂一些常识了，也能交流了，机器还缺什么？大家想象，还缺对这个世界的一些力量的感知，比如说，加速度，比如重力，机器人自己摔了一跤，比如有人推动它怎么办？所以，现在热炒具身智能，这是理解世界的互动，但还不能与世界互动。下一步是能够跟物理世界互动，这样知道别人推它是怎么回事，拿一个鸡蛋是什么总量，怎么打一个鸡蛋？