从技术史的角度来看，以下是对人工智能技术史的主要里程碑和发展阶段的概述：

1.早期探索（1950年代至1960年代）：人工智能的起源可以追溯到上世纪50年代，这一时期被称为早期探索阶段。研究人员开始使用数学建模和符号逻辑方法来尝试解决问题，如推理、解决象棋问题等。这个时期的代表性项目包括AI创始人之一艾伦·图灵的“图灵测试”和新闻推理机器ELIZA。

2.知识表达与推理（1960年代至1980年代）：在这个阶段，研究人员将重点放在知识表示和推理方法上。他们采用了基于规则的专家系统，将专家的知识转化为可计算的规则，并使用推理引擎进行问题求解。这一时期的代表性项目包括DENDRAL系统（用于化学分析）和MYCIN系统（用于医学诊断）。

3.接近与落败（1980年代至1990年代）：在接近与落败阶段，人工智能进入了一个低谷期。早期的专家系统遇到了知识获取和推理效率的问题，无法有效应对复杂的现实世界问题。此时，人工智能研究的资金和兴趣减少，被质疑为“人工智能冬天”。

4.统计学习与机器学习（1990年代至2010年代）：随着计算机处理能力的提升和大数据的涌现，机器学习成为了人工智能的重要推动力。统计学习方法和神经网络技术得到了广泛应用，例如支持向量机（Support Vector Machines）和深度学习算法。这一时期，人工智能在诸如语音识别、图像处理和自然语言处理等领域取得了显著进展。

5.深度学习与人工智能复兴（2010年代至今）：深度学习技术的崛起标志着人工智能的复兴。通过构建深度神经网络模型，利用大规模数据训练和优化，深度学习在图像识别、语音识别、自然语言处理等领域取得了突破性的成果。同时，计算能力的提升和云计算的发展使得人工智能技术更加普及和实用化。

6.当前与未来发展：当前，人工智能正迅速发展，并在各个领域展现出潜力。人工智能技术已应用于自动驾驶、智能助手、机器人、金融、医疗等众多领域。同时，人工智能也面临诸多挑战，如数据隐私、伦理道德和公平性等问题。在未来，人工智能有望进一步发展，可能涉及更高级的智能、人机融合以及与人类的交互。

总结来说，人工智能技术史经历了从早期探索到知识表达与推理，再到接近与落败，然后是统计学习与机器学习的阶段，最近是深度学习与人工智能复兴的阶段。人工智能的发展在不断推动着科技和社会的变革，并为我们带来了许多创新和便利。