AI怎么来的?用三次「交通工具进化」给你讲明白

AI怎么来的？用三次「交通工具进化」给你讲明白

今天开始学AI，第一课就把我震住了——

原来AI不是2023年才发明的，它已经70多岁了。

但为什么前70年没人提，突然这两年火了？

我找了个好理解的角度：AI的进化，就像人类交通工具的进化。

▲ 三次浪潮对比图：步行→马车→高铁

最早的AI叫「符号主义」。

科学家想让机器学会思考，做法是：给机器一本「规则大全」。比如：

- 如果下雨 → 就打伞

- 如果天晴 → 就不打伞

- 如果下雨但你在室内 → 就不打伞

- 如果下雨但你在室外但头顶有棚 → 就不打伞

- ……

写不完，根本写不完。

现实世界太复杂了，每条规则都有例外，每个例外又有例外。就像你想教一个外国人中文，不让他听中国人说话，而是给他一本《中文语法大全》让他死记硬背——背完他也不可能真的会说中文。

这段AI时期像步行——方向对了，但跑不起来。到了1970年代，大家发现这条路走不通，第一个「AI寒冬」来了。

后来科学家换了个思路。

不教机器「所有知识」了，只教它「一个领域的知识」。比如把200条肝病诊断规则写成规则库，让机器当肝病顾问。

这叫「专家系统」。

这个思路其实很成功。1997年IBM的深蓝打败国际象棋世界冠军，就是专家系统的巅峰。

但问题也很明显：会下棋的机器不会开车，会诊断肝病的机器不会翻译。换个领域就要从头重新写规则，像马车——能跑，但只跑得了一条路，换条路就得换匹马。

到了1990年代，资金再次断流——第二个AI寒冬。

终于，2010年代，科学家换了一个彻底不同的思路：

不写规则了，让机器自己从数据里「悟」出规律。

就像你不再给外国人任何语法书，而是让他在中国住三年——天天听、天天看，自然就「悟」出了中文怎么用。

这叫深度学习。

2012年，一个叫AlexNet的神经网络在图像识别比赛中碾压了所有传统方法。2017年，Google发表了一篇改变世界的论文《Attention Is All You Need》，奠定了今天所有AI的基础。

从2020年开始，真正的转折来了。

OpenAI发布了GPT-3——一个约1750亿参数的模型。它没专门学过写诗，但会写诗；没专门学过编程，但会写代码。它只是在海量书、海量代码里泡过，发现「诗歌和代码也是语言的一部分」。

这就像一个人泡在图书馆里读了全世界的书——出来以后，你发现他什么都能聊一点。

但真正引爆全球的，是2022年的ChatGPT。

ChatGPT的突破不是技术上的（Transformer架构2017年就有了），而是产品上的——它把GPT-3微调成了一个「会聊天、有礼貌的助手」。上线5天100万用户，两个月1亿用户，人类历史上增长最快的消费应用。

所以2023年被称为「AI元年」，不是因为AI那一年才发明，而是因为那一年它才真正变得「人人可用」。

▲ 大语言模型两步造法：泡图书馆 + 请教练

今天所有会聊天的AI，背后都是一个叫「大语言模型（LLM）」的东西。造出它分两步：

第一步：泡图书馆（预训练）

让模型读遍全世界的书、论文、网页、代码——学会语言的「语感」。它不一定理解每句话的意思，但它知道「早上好」后面大概率接「你好」，不会接「炸鸡」。

第二步：请教练（微调）

模型泡完图书馆，什么都会一点，但不会「好好说话」。再用高质量对话数据教它——「怎么回答问题」「怎么保持礼貌」「怎么拒绝有害请求」。

就像那个在图书馆泡了三年的孩子，再去上「客服培训班」，学会当一个有礼貌、不乱说话的助手。

OpenAI训练ChatGPT用的方法是RLHF——找一群人来打分，告诉AI「这个回答好，那个不好」，AI学着去讨好人类打分员。

而Claude用的是Constitutional AI——不是靠外人打分，而是让AI自己对照一套行为准则自我检讨、自我修正。

就像两种教育方式： 一种靠老师给分数（RLHF），一种靠孩子自己对着《学生手册》反省（Constitutional AI）。

这就是为什么Claude更诚实——不知道就说不知道，不会为了让你开心而瞎编。

现在你可以一句话回答了：

AI像交通工具——以前靠走路（符号主义），后来靠马车（专家系统），现在换成了高铁飞机（深度学习）。不是交通工具今天才发明，是终于到了人人都坐得起的时代。

而你手上的ChatGPT、Claude，就是今天的高铁票。

📌 这是「央企AI实验室」的新栏目——「主理人学AI」。我不是AI专家，就是一个在央企做咨询的普通人，每天学一点，用最形象的比喻讲给你听。如果你也觉得有趣，点个「在看」，一起学。