学习路径 · 看懂 AI

AI是怎么来的?

AI 不是新鲜事。这个词比 ChatGPT 早了整整 70 年。一代代科学家前赴后继,三次高潮,两次寒冬。走到大语言模型这一步,用光了半个世纪的好运气。


图灵测试(1950)

1950 年,艾伦·图灵发了一篇论文。他抛出一个问题:机器能思考吗?他没有直接回答,而是设计了一个游戏。一个人和一台机器隔墙对话。如果这人分不清对面是人是机器,就算机器赢了。这就是图灵测试。今天很多 AI 产品都能让人产生“对面是真人”的错觉。但图灵想要的不是错觉,而是机器真正理解问题。七十年后,人类还在争这件事。

达特茅斯会议(1956)

1956 年夏天,一群年轻科学家聚到达特茅斯学院。约翰·麦卡锡提议了一个名字——“人工智能”(Artificial Intelligence)。会议没达成什么共识,但这个名词流传下来了。从这天起,人类第一次把“让机器思考”当成一个正式学科。回头看,那个命名比后来三十年的成果都重要。

黄金十年,然后冻住

1960–70 年代,AI 进入第一个黄金期。机器能证明数学定理,能下国际象棋,能解代数应用题。人们乐观得离谱——有科学家预言十年内机器会超越人类。然后泡沫破了。当时的计算机太慢,存储太小,算法太粗糙。造出来的东西解决不了真实问题。1974 年,政府和军方大幅削减拨款。第一次 AI 寒冬来了。乐观不能当饭吃,这个道理 AI 领域学了两遍。

专家系统,再次冻住

1980 年代,AI 找到第一个赚钱的路子——专家系统。把医生的诊断经验、地质学家的勘探规则,写成几千条 if-then 语句,让计算机照着推理。公司疯狂投钱,日本甚至启动“第五代计算机”计划。但专家系统有个死穴:规则全凭人工写。换一个领域就要重写一套。系统又僵又贵,维护成本比请专家还高。1990 年前后,第二代 AI 寒冬降临。第二次教训:光有规则没有学习,走不远。

深度学习爆发(2012)

2012 年,多伦多大学的 Alex Krizhevsky 用 GPU 训练了一个深度神经网络(AlexNet),在 ImageNet 图像识别大赛上碾压第二名。深度学习时代正式开启。核心突破就一件事:让机器自己从数据里学特征,不再靠人写规则。这个思路 1980 年代就有雏形,但当时没算力也没数据。等了三十年,才等来 GPU 和海量互联网数据。运气来了,前提是没放弃。

Transformer 与大模型(2017–至今)

2017 年,Google 发表《Attention Is All You Need》。Transformer 架构诞生。它让模型一次通读全文,不再一个词一个词排队。训练效率百倍提升。2018 年 GPT-1 只有 1.17 亿参数。2020 年 GPT-3 暴涨到 1750 亿。模型突然涌现出没人写过代码的能力——翻译、写诗、编程、推理,样样涉及。2025–2026 年,多模态大模型全面落地。GPT-4o、Claude、Gemini 能看图片、听声音、读视频。AI 不再是一个研究课题,变成了一种基础设施。

前六十年是铺路。2017 年之后是起飞。AI 不是新鲜事,大模型是全新阶段。

相邻概念

  • 图灵测试:判断机器是否有智能的经典思想实验。今天的大模型普遍能通过,但争议从未停止。
  • 专家系统:1980 年代的主流 AI 路线,靠人工写推理规则。今天已被深度学习取代。
  • 神经网络:模拟人脑连接的数学模型。深度学习的底层技术,1943 年就有雏形。
  • Transformer:2017 年诞生的模型结构,GPT、Claude、Gemini 全部基于它搭建。
  • 参数:模型内部的可调节数字。参数越多,模型容量越大。GPT-4 参数规模达万亿级。

参考

  1. Turing, A. M. Computing Machinery and Intelligence. Mind, 1950.
  2. McCarthy, J. et al. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955.
  3. Krizhevsky, A., Sutskever, I., Hinton, G. E. ImageNet Classification with Deep Convolutional Neural Networks. NeurIPS, 2012.
  4. Vaswani, A. et al. Attention Is All You Need. NeurIPS, 2017.
  5. Russell, S., Norvig, P. Artificial Intelligence: A Modern Approach (4th ed.). Pearson, 2020.
极简入门 · 人工智能ABC