本文是《白话智能科学与技术》专栏第 008 篇 · 面向智能 / AI / 计算机大类新生,一篇讲清一个概念。

最后一篇阶段一,咱用一条时间线,把 AI 这几十年的“起起落落”串起来。懂了历史,才懂为什么今天的大模型这么猛,也才懂这门工程学到底在攻克什么。

时间线(挑关键的讲)

【有句话我一直强调】当你看不懂一本书的时候,可能不是你智商低,而是写书的人不会写。
  • 1950 图灵:提出“机器能思考吗”,给出图灵测试。
  • 1956 达特茅斯会议:“人工智能”这个词正式诞生,AI 作为学科起步。
  • 1956–1970 符号主义黄金期:大家相信“写规则就能造智能”,专家系统火了。
  • 1970s–80s 第一次低谷:现实太复杂,规则写不过来,AI 遇冷(“AI 寒冬”)。
  • 1980s–90s 连接主义回潮:反向传播让神经网络能训练,但数据 / 算力不够,仍受限。
  • 1997 深蓝:IBM 深蓝赢国际象棋冠军(靠搜索 + 规则,还不是“学”)。
  • 2012 深度学习引爆:AlexNet 在图像识别大赛(ImageNet)碾压对手——大数据 + GPU 算力 + 深度网络三件套第一次齐活。
  • 2016 AlphaGo:深度学习 + 强化学习战胜围棋冠军,全民刷屏。
  • 2017 Transformer:一篇论文提出“注意力机制”,奠定大模型基础。
  • 2018–2020 预训练大模型:BERT、GPT-3 出现,“先读海量文本再微调”成为主流。
  • 2022 ChatGPT:对话大模型出圈,AI 走进普通人手机。

科学内涵:为什么是“三起两落”?

每次 AI 寒冬,根子都一样:数据不够、算力不够、算法不够。每次复兴,都是这三样同时突破。智能不是靠“灵感”,是靠数据 × 算力 × 算法的三角支撑——这是智能科学与技术这门工程学最硬的科学规律之一,也是为什么这个专业既要学算法、又要懂硬件(GPU / 芯片)、又要会处理数据。

技术内涵:今天站在哪

我们现在处在“连接主义 + 大数据”驱动的这一波。下一站常被讨论的是多模态(图文音一起学)、智能体(AI 自己干活)、类脑 / 神经形态(更省电的仿脑芯片)——后两者,正是本专栏系列九要讲的前沿。

阶段一(专业全景)到此结束。下个阶段,我们顺着教材章序,从“机器怎么看世界”(系列二 机器感知)开始,一篇一个概念,把四大智能系统逐个拆开讲。


Logo

更多推荐