2016年我预言了AI的今天:联想、神经元与量变到质变

十年前的一个深夜，我和同事聊起一个叫「小贰」的公众号 AI。出于直觉，我说出了对 AI 本质的判断——它需要联想、需要神经元式的信息处理、需要庞大数据和算力催生质变。如今回头看，那些话，一句都没说错。

一、那个和尚 AI 和我的直觉

2016 年，同事甩给我一个公众号，头像是个小和尚，名字好像叫「小贰」还是什么。

功能很简单：你打字，它回复。说不上多聪明，但在那个年代已经足够让人新奇——一个不用装 App、在微信里就能聊天的 AI，像个电子木鱼，敲一下响一声。

我玩了几轮，出于好奇说了一句至今都记得的话：

「人的思维能力其实就是靠联想。这是人类最大的能力，也是创造和创新的本质。」

同事愣了一下。我继续说下去，越说越兴奋，像脑子里有一根线突然通了。

那天晚上我们聊了很久。现在回头看，我说的每一句，几乎都对应着今天 AI 的核心技术。

深夜聊 AI 的画面

二、2016 年我说的五句话，今天一一应验

第一句：AI 得学会「联想」

我说：人之所以能创造，靠的是联想——把 A 和 B 连接起来，产生 C。

这其实就是今天大语言模型的本质：注意力机制（Attention）。Transformer 通过计算词与词之间的相关性权重，让模型学会「关联」。你输入「苹果」，它能联想到「水果」「手机」「牛顿」「Jobs」——这本质上就是联想。

当年我说的是直觉，现在这叫技术原理。

第二句：要有类似神经元的机制，能保存和释放信息

我说：大脑里每一个神经元都在接收和释放信号，AI 要像人一样思考，就得有这样的结构。

2016 年我并不知道什么技术名词，但我描述的东西，就是神经网络。

更准确地说，是人工神经网络（ANN）——模拟生物神经元的数学模型：输入 × 权重 → 激活函数 → 输出。每个节点都在「保存和释放信息」，层层传递，构成深度。

这早已是 AI 的基石。

注意力机制与联想网络

第三句：所有行为都可以用数学解释

我说：人的一切行为，本质上都能用数学建模。只要找到一个和神经元大脑类似的算法，就能用计算机模拟。

潜台词是：智能不是玄学，是数学。

今天来看，整个深度学习领域就是这句话的注脚。从反向传播到梯度下降，从损失函数到优化器，一个 AI 模型的训练过程，从头到尾都是数学运算。连「创造力」都可以被量化为概率分布中的采样——温度参数越高，输出越「天马行空」。

第四句：需要庞大的数据和算力，才能量变到质变

这是我最清晰的一个判断。

我说：要让 AI 真正变聪明，需要足够多的数据和足够强的计算能力。量变产生质变，不到那个临界点，它就是智障。

2016 年，GPT 还没人听说过，BERT 还要等两年。

但今天回头看，Scaling Law（规模定律） 已经是 AI 行业的第一性原理：模型参数从 1 亿到 1000 亿，训练数据从 GB 级到 TB 级，算力从单卡到万卡集群——每一次「量变」的积累，都在逼近一个「质变」的临界点。

GPT-3 的出现就是那个质变时刻。当模型大到一定程度，突然涌现出少样本学习、思维链推理这些没人特意训练过的能力。这就是量变到质变，被我 2016 年说中了。

量变到质变的曲线

第五句：人先判断，再执行——模型就是判断引擎

这是我最得意的一段推理。

我跟同事说：人的行为，是先产生判断，再按判断去执行。

就像一个模型：输入一个参数（外部刺激），通过模型计算（大脑处理），得到一个输出（判断）。模型本身就是一个判断引擎。 拿到现有的信息，做判断，然后行动。

我甚至举了个例子：人要去倒水，一定是大脑先做出一系列判断——口渴了、桌上有水杯、走过去、拿起来、倒——然后手才按这个流程去执行。

这段话放到今天，完美描述了两个东西：

• 大模型 = 判断引擎：给一段输入，通过参数计算，输出最可能的响应。本质上就是你说我听的「模型即判断」。
• AI Agent = 判断 + 执行：Agent 架构里，大模型负责「思考」（判断），然后调用工具执行（倒水）。OpenAI 的 Function Calling、Anthropic 的 Tool Use、各种 Agent 框架——全部是这个逻辑。

我用一个倒水的例子，把 Agent 的底层架构说透了。

判断引擎与执行流程

三、如果当年有人信了

聊到最后我跟同事说：你要是能帮我引荐，说不定我也是开创者了。

玩笑归玩笑。但每次回想那个晚上，我都觉得 2016 年的自己，站在了一个巨大的门槛前面。那些话在那个年代听起来像是科幻小说里的台词，但技术发展的路径，比我想象的更坚定地走向了那个方向。

联想 → 注意力机制

神经元 → 神经网络

数学建模 → 深度学习

量变到质变 → Scaling Law

判断引擎 + 执行流程 → AI Agent

五句话，五个今天 AI 的核心支柱。

我不是什么先知，只是恰好在一个 AI 还没火的年份，凭直觉猜对了方向。但也正因为如此，我才更清楚地看到一件事：

有些判断并不需要等到技术成熟才能做出。逻辑和直觉，有时候就够了。

四、2016 VS 2026

十年前的「疯话」，十年后变成了常识。

那个深夜、那个和尚 AI、那场没人当真的对话——现在回头看，我可能在 2016 年就已经把 AI 的未来说完了。

剩下的，只是等世界追上我的想象。

作者：湖小岸

本文为公众号「湖小岸」原创，转载请联系授权。