关键人物与技术谱系

计算机科学与 AI 的共同起点。1950 年用「模仿游戏」把哲学问题转化为可执行的测试，并预判了此后所有主要反对意见。

1943 年提出 M-P 神经元模型，第一次证明简单阈值单元组成的网络可以表达任意逻辑命题，连接主义路线由此发端。

信息论创始人，也是 1956 年达特茅斯会议的发起人之一。他让「信息」成为可度量的量，为机器学习提供了损失函数与熵的语言。

1949 年提出赫布学习律：同时激活的神经元连接会被强化。这是反向传播、自组织映射乃至一切「从数据中调整权重」方法的思想原型。

「人工智能」一词的提出者，达特茅斯会议的组织者，LISP 语言的发明者。他坚持用数学逻辑刻画智能，奠定了符号主义四十年的统治地位。

MIT AI 实验室联合创始人，最早实现神经网络硬件的人之一，也是 1969 年《感知机》的作者。他既是连接主义的先驱，也是它第一次寒冬的推手。

1958 年提出感知机与可收敛的学习算法，是「让机器自己调整参数」的第一人。他在 1971 年意外去世，神经网络研究也随之进入长期低谷。

逻辑理论家、通用问题求解器的作者，把「搜索 + 启发式」确立为解决问题的通用方法。西蒙也是唯一同时获得图灵奖与诺贝尔经济学奖的人。

跳棋程序的作者，1959 年提出「机器学习」这一术语。他的程序能通过自我对弈提升棋力，是「机器无需显式编程即可改进」的最早示范。

反向传播的推广者、深度信念网络的提出者、AlexNet 的导师。四十余年坚持连接主义，在两次寒冬中未曾转向。2023 年离开谷歌以便自由讨论 AI 风险，2024 年获诺贝尔物理学奖。

卷积网络的奠基者，1989 年用手写数字识别证明卷积结构有效。他长期主张「世界模型」路线，认为当前自回归语言模型不足以通向真正的智能。

注意力机制与表征学习的早期推动者之一。近年持续警示先进 AI 的失控风险，是「AI 安全」议题最重要的学术发声者之一。

1982 年用能量函数描述递归网络，把统计物理的方法带入神经网络研究，为 1980 年代连接主义的复苏提供了理论支点。2024 年获诺贝尔物理学奖。

ImageNet 的发起人。她用众包方式构建了千万级标注图像数据集，为深度学习提供了最关键的「燃料」与统一评测场。近年推动「空间智能」与以人为本的 AI。

谷歌大脑与 Coursera 的联合创始人，斯坦福课程与在线公开课让数百万工程师第一次系统学习机器学习。他也是「以数据为中心」这一工程理念的主要倡导者。

DeepMind 联合创始人。AlphaGo 证明强化学习能攻克直觉型博弈，AlphaFold 2 把深度学习变成基础科学的工具。2024 年获诺贝尔化学奖。

AlexNet 作者之一，OpenAI 前首席科学家，是 GPT 系列与「规模定律」路线的核心推动者。他长期关注超级智能的对齐问题，并因此离开 OpenAI 另创研究机构。

深度求索（DeepSeek）创始人。2025 年 1 月开源的 R1 推理模型以显著低于同行的训练成本达到接近前沿的表现，并公开技术细节，改变了「只有巨额算力才能做前沿模型」的行业叙事。

OpenAI 首席执行官。ChatGPT 的产品化与大规模商业化由他主导，也使他成为全球关于 AI 收益分配与监管辩论中最受关注、争议也最多的产业人物之一。

Anthropic 联合创始人兼首席执行官，此前在 OpenAI 参与 GPT-2 / GPT-3 相关工作。他主导的「宪法式 AI」尝试用成文原则替代部分人工标注，是可扩展对齐的一条主流技术路径。