先看全貌，再走进故事
十个节点，认识人工智能的发展。不同研究路线常常同时发生，进展也伴随着反复。
机械表演与自动计算，让人们开始追问机器可以做什么。
图灵讨论模仿游戏，也提出通过经验教育机器的构想。
达特茅斯研究活动聚集多条探索路线，一个领域逐渐形成。
语言程序和专家系统带来希望，规模、成本与现实条件暴露局限。
统计学习和神经网络持续积累，智能进入搜索、识别等应用。
AlexNet在ImageNet竞赛中领先，数据、算法和GPU形成合力。
4比1的结果与令人意外的棋步，展示学习和搜索结合的潜力。
以注意力为核心的结构，为之后的大规模预训练提供重要基础。
图像生成与对话产品扩大了参与范围，事实与来源变得更值得追问。
多模态、科学应用与智能体拓宽用途，可靠性与行动边界成为关键。
