最近这两年，随着AIGC大模型的崛起，整个社会掀起了一股强劲的AI浪潮。 人们在关注AI，企业在拥抱AI，资本在追逐AI。凡是和AI有关的概念，都会吸引大量的目光。 那么，AI是如何一步一步走到今天的呢？它经历了哪些发展阶段，又发生过哪些精彩的故事？ 今天这篇文章，我们就来仔细回顾一下，人类AI的发展历程。 人类对人造智能体的追求和畅想，最早可以追溯到古希腊时代。 在古希腊神话中，火与工匠之神赫菲斯托斯，曾经制作了一组金制的女机器人，“有心能解意，有嘴能说话，有手能使力，精通手工制造”。 《列子·汤问篇》中，偃师向周穆王进献了一个机械人，会唱歌、会跳舞，还会挑逗周 穆王的嫔妃。周穆王醋意爆发，认为机械人是真人假扮，要杀掉偃师。偃师赶紧将机械人拆散，周穆公才罢休。 上面的这些文字记载，显然都不靠谱。在遥远且漫长的古代，以人类当时的技术水平，肯定是造不出智能体的。能造出一些简单的机械（例如诸葛亮的木牛流马），都已经很了不起了。 人们对智能体的寄望，很多都依托于鬼神等宗教信仰——将人的灵魂附身于机械，才能够实现“人工智能”。 到了近现代，随着工业革命的爆发，人类开始逐渐进入机械计算、电气计算时代。计算能力的不断增长，使得通过“算力” 来驱动“智能”，成为一种可行选项。 17世纪，莱布尼茨、托马斯·霍布斯和笛卡儿等率先提出：是否可以将人类理性的思考系统，转化为代数学或几何学体系？ 莱布尼茨认为：“人类的思想，可以简化成某种运算。” 这些伟大的思想，为后来的计算机和人工智能发展指明了方向。 在查尔斯·巴贝奇（Charles Babbage）的分析机、赫尔曼·何乐礼（Herman Hollerith）的制表机、阿兰·图灵（Alan Turing）的图灵机，以及Z3、珍妮机、Mark I、ENIAC等一系列发明的接力推动下，人类终于进入了数字电子计算机时代，也开启了波澜壮阔的信息技术革命。（不清楚的，看这里：算力简史 ） 数字电子计算机正式诞生之后，很快就有科学家开始探索，是否可以通过计算机来实现“智能”。 1950年，阿兰·图灵在《心灵（Mind）》杂志上发表了一篇非常重要的论文，名叫《计算机器与智能（Computing Machinery and Intelligence）》。 “I propose to consider the question, ‘Can machines think?’” 图灵在论文中仔细讨论了创造“智能机器”的可能性。由于“智能”一词很难定义，他提出了著名的图灵测试（以下为大致意思）： “一个人在不接触对方的情况下，通过一种特殊的方式和对方进行一系列的问答。如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么，就可以认为这个计算机是智能的。” 图灵测试
图灵的论文，在学术界引起了广泛的反响。越来越多的学者被这个话题所吸引，参与到对“机器智能”的研究之中。其中，就包括达特茅斯学院的年轻数学助教约翰·麦卡锡（J. McCarthy），以及哈佛大学的年轻数学和神经学家马文·明斯基（M. L. Minsky）。 1955年9月，约翰·麦卡锡、马文·明斯基、克劳德·香农（C. E. Shannon）、纳撒尼尔·罗切斯特（N. Rochester）四人，共同提出了一个关于机器智能的研究项目。在项目中，首次引入了“Artificial Intelligence”这个词，也就是人工智能。 1956年6月，在刚才那4个人的召集下，在洛克菲勒基金会的资助下，十余位来自不同领域的 专家，聚集在美国新罕布什尔州汉诺威镇的达特茅斯学院，召开了一场为期将近两月的学术研讨会，专门讨论机器智能。 这次研讨会，就是著名的达特茅斯 会议（Dartmouth workshop）。 达特茅斯会议并没有得出什么重要的结论或宣言，但是认可了 “人工智能（Artificial Intelligence ）”的命名，也大致明确了后续的研究方向。这次会议，标志着人工智能作为一个研究领域正式诞生，也被后人视为现代人工智能的起点。 达特茅斯会议 之后，人工智能进入了一个快速发展阶段。参与研究的人变得更多了，而且，也逐渐形成了几大学术派系。在这里，我们要提到人工智能最著名的三大学派——符号主义、联结主义（也叫联接主义、连结主义）、行为主义。 他们认为，世界中的实体、概念以及它们之间的关系，都可以用符号来表示。人类思维的基本单元，也是符号。如果计算机能像人脑一样，接收符号输入，对符号进行操作处理，然后产生符号输出，就可以表现出智能。 这个思路，关键在于把知识进行编码，形成一个知识库，然后通过推理引擎和规则系统，进行推断，以此解决复杂的问题。 符号主义早期的代表性成果，是1955年赫伯特·西蒙（Herbert A. Simon，也译为司马贺）和艾伦·纽维尔（Allen Newell）开发的一个名为“逻辑理论家（Logic Theorist）” 的程序。 “逻辑理论家 ”被认为是人类历史上第一个人工智能程序，并且在达特茅斯会议上进行了演示。它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那条线，来求解问题。 1957年，赫伯特·西蒙 等人在“逻辑理论家” 的基础上，又推出了通用问题解决器（General Problem Solver，GPS） ，也是符号主义的早期代表。 进入1960年代，符号主义也进入了一个鼎盛时期。在自然语言理解、微世界推理、专家系统（注意这个词，后面会再次提到它）等领域，人工智能取得了突破性的进展，也逐渐成为公众关注的对象。 1958年，约翰·麦卡锡 正式发布了自己开发的人工智能编程语言——LISP（LIST PROCESSING，意思是”表处理”） 。后来的很多知名AI程序，都是基于LISP开发的。 1966年， 美国麻省理工学院的魏泽鲍姆（Joseph Weizenbaum），发布了世界上第一个聊天机器人——ELIZA。 ELIZA的名字源于萧伯纳戏剧作品《卖花女》中的主角名。它只有200行程序代码和一个有限的对话库，可以 针对提问中的关键词，进行答复。 ELIZA其实没有任何智能性可言。它基于规则运作，既不理解对方的内容，也不知道自己在说什么 。但即便如此，它还是在当时引起了轰动。ELIZA 可以说是现在Siri、小爱同学等问答交互工具的鼻祖。 联结主义，强调模仿人脑的工作原理，建立神经元之间的联结模型，以此实现人工神经运算。 大家可能会有点激动。没错，这就是现在非常热门的神经网络模型。 神经网络的概念其实诞生得很早。 1943年，美国神经生理学家沃伦·麦卡洛克（Warren McCulloch） 和数学家沃尔特·皮茨（Walter Pitts） ，基于人类大脑的神经网络，创建了一个形式神经元的 计算机模型，并将其取名为MCP（McCulloch&Pitts ）模型。1951年，马文·明斯基（就是前面提到的那个）和他的同学邓恩·埃德蒙（Dunn Edmund）， 建造了第一台神经网络机SNARC。 1957年，美国康奈尔大学的心理学家和计算机科学家 弗兰克·罗森布拉特（Frank Rosenblatt），在一台IBM-704计算机上，模拟实现了一种他发明的叫“感知机 (Perceptron) ”的神经网络模型。 这个“感知器”包括三层结构，一端是400个光探测器，模拟视网膜。光探测器多次连接一组512个电子触发器。当它通过一个特定的可调节的兴奋阀值时，就会像神经元一样激发。这些触发器连接到最后一层，当一个物体与感知器受训见过的对象相互匹配时，它就会发出信号。
感知机的工作原理
“感知机 ”是联结主义的一项重要成果，在人工智能发展史上具有里程碑式的意义。但是，后来的一盆冰水，彻底浇灭了联结主义的热情。1969年，马文·明斯基和西蒙·派珀特（Seymour Papert）写了一本书《感知机: 计算几何学导论》的书，对罗森布莱特的感知器提出了质疑。马文·明斯基认为： “神经网络具有很大的局限性（单层感知机无法解决线性不可分问题），没有实际研究价值。” 来自大神的否定，等于直接宣判了神经网络（联结主义）路线的死刑。于是，这个非常有价值的研究方向，被中止了。 罗森布莱特后来死于意外（也有人说是自杀），马文·明斯基也因为这个错误的判断，被一些学者抨击。 （需要注意，马文·明斯基虽然有误判，但他对人工智能事业的功远大于过，甚至也被誉为“人工智能之父”。） 等到神经网络（联结主义）重新崛起，已经是十多年后的事情了。我们待会再详细说。 行为主义，也称为进化主义或控制论学派。他们认为，通过与环境的互动来学习和适应，从而改进自身行为，就是行为主义认为的智能。 智能取决于感知和行动，不需要知识、表示和推理，只需要将智能行为表现出来就好。 简单来说，行为主义AI系统基于“感知-动作” 的闭环控制，强调即时反馈和适应性学习 。智能体通过感知环境信息，基于这些信息执行动作，并根据动作结果调整后续行为。 行为主义在后来的机器人学、自动化控制、游戏AI、自动驾驶汽车等领域有着重要应用。 好了，以上是AI三大重要学派的介绍，作为学习AI的知识铺垫，也有助于阅读后面的文章。 请大家注意，AI的学派和思想路线并不止这三个，还有一些小学派，例如进化计算、模糊逻辑、贝叶斯网络等。它们虽不构成独立的大学派，但在AI的某些子领域内有着重要的应用和影响。而且，AI学派之间，边界也比较模糊，有时候会互相融合。 首先必须是亚瑟·塞缪尔（Arthur Samuel）的跳棋程序。 1959年，IBM科学家亚瑟·塞缪尔 在自家首台商用计算机IBM701上，成功编写了一套西洋跳棋程序。这个程序具有“学习能力”，可以通过对大量棋局的分析，逐渐辨识出“好棋”和“坏棋”，从而提高自己的下棋水平。 这个程序很快就下赢了萨缪尔自己，后来，它还 战胜了当时的西洋跳棋大师罗伯特尼赖。 因为首次提出了“机器学习（Machine Learning）”的概念，亚瑟·塞缪尔 被后人誉为“机器学习之父”。 1959年，美国发明家乔治·德沃尔（George Devol）与约瑟夫·英格伯格（Joseph Engelberger）发明了人类首台工业机器人——Unimate。 Unimate重达两吨，安装运行于通用汽车生产线。它可以 控制一台多自由度的机械臂，搬运和堆叠热压铸金属件。1966年，查理·罗森（Charlie Rosen）领导的 美国斯坦福研究所（SRI），研发成功了首台人工智能机器人—— Shakey。 Shakey全面应用了人工智能技术，装备了电子摄像机、三角测距仪、碰撞传感器以及驱动电机，能简单解决感知、运动规划和控制问题。它 是第一个通用移动机器人，也被称为“第一个电子人” 。 刚才说了，1960年代是符号主义的鼎盛时期。其实，在符号主义的带动下，当时整个人工智能研究都进入了一个高速发展的阶段，也被称为AI的黄金时代（Golden Time，1960-1973年）。 那时，除了定理证明、人机互动、游戏博弈 和机器人 之外，人工智能很多领域都产出了不错的成果。加上冷战时期，美国政府愿意掏钱资助，使得AI研究变得异常火爆。 在这一背景下，学术界对AI的预期，开始变得盲目乐观。有些研究者认为： “在未来3-8年内，会诞生和人类智慧相当的机器人，可能我们人类会成为AI的宠物。” 随着时间的推移，学者们逐渐发现，基于推理规则的“智能”，实际上能力非常有限。加上当时计算机的算力和存力尚处于早期阶段，系统根本达不到预期的效果。 之前介绍的那些AI程序和工具，陆续开始出现瓶颈，甚至闹出笑话。 以机器翻译为例。当时美国政府投入了2000多万美元作为机器翻译的经费，结果相关团队研发多年，发现完全低估了这个项目的难度。 翻译工具经常出现一些低级错误。例如，将“Out of sight，out of mind（眼不见，心不烦）”翻译成“又瞎又疯”，把“The spirit is willing but the flesh is weak（ 心有余而力不足） ”翻译成“酒是好的，但肉变质了”，把“Time flies like an arrow（ 光阴似箭） ”翻译成“苍蝇喜欢箭”。 接二连三的失败，慢慢耗尽了政府金主的耐心。加上不久后美国经济出现了一些问题（1974-1975年出现历史上罕见的连续两年GDP负增长），政府开始决定“断粮”。 1973年，数学家莱特希尔（Lighthill）向英国政府提交了一份关于人工智能的研究报告（著名的《莱特希尔报告》）。报告对当时的机器人技术、语言处理技术和图像识别技术进行了严厉且猛烈的批评，指出人工智能那些看上去宏伟的目标根本无法实现，研究已经彻底失败。 很快，英国政府、美国国防部高级研究计划局（DARPA ）和美国国家科学委员会等，开始 大幅削减甚至终止了对人工智能的投资。 人工智能进入了第一个发展低谷，也被称为“AI Winter（AI之冬）”。 AI之冬的持续时间其实并不是很久。六年后， 1980年，第二次AI发展高潮开始了。
第二次浪潮，其实还是符号主义掀起的。这次的主角，是符号主义的一个新阶段——专家系统（Expert System） 。 专家系统，就是一个面向专业领域的超级“知识库+推理库” 。 它找来很多人，对大量的专家知识和经验进行整理，分析并编写出海量的规则，导入系统。然后，系统根据这些基于知识整理出来的规则，进行逻辑推理，来模拟和延伸人类专家的决策能力，解决复杂的问题。 大家能看出来，专家系统 走的仍然是符号主义的 “规则”路线。所以，专家系统，也叫做规则基础系统。 1968年，美国科学家爱德华·费根鲍姆（Edward Feigenbaum）提出了第一个专家系统——DENDRAL，并对知识库给出了初步的定义。这标志着专家系统的诞生。 DENDRAL 面向的是化学行业。它可以帮助化学家判断物质的分子结构。系统推出之后，因为能够减少人力成本并且提升工作效率，受到了化学行业的欢迎和认可。 和DENDRAL差不多时间出现的专家系统 ，还有威廉·马丁（William A. Martin）开发的 Macsyma，以及安东尼·赫恩（Anthony C. Hearn）开发的“Reduce”。 这两套都是数学领域的专家系统（用于求解数学问题），都采用了约翰·麦卡锡的LISP语言进行开发。 1972年，美国医生兼科学家爱德华·H·肖特利夫（Edward H. Shortliffe）创建了可以帮助进行医学诊断的专家系统—— MYCIN。 MYCIN也是基于LISP语言编写，拥有500多条规则，能够识别51种病菌，正确地处理23种抗菌素。 它能够协助医生诊断、治疗细菌感染性血液病，为患者提供最佳处方。当时，它成功地处理了数百个病例，并通过了严格的测试，显示出了较高的医疗水平。 1977年，爱德华· 费根鲍姆在第五届国际人工智能联合会议上，提出了“知识工程（Knowledge Engineering）”的概念，进一步推动了专家系统的普及。 进入1980年代，随着技术的演进，计算机的计算和存储能力增加，专家系统开始 在各个行业爆发。 1980年，卡耐基梅隆大学研发的专家系统XCON（eXpertCONfigurer）正式商用，为当时的计算机巨头公司DEC每年省下数千万美金。 1983年，通用电气公司搞出了柴油电力机车维修专家系统（DELTA）。这个系统封装了众多GE资深现场服务工程师的知识和经验，能够指导员工进行故障检修和维护。 当时，美国运通公司也搞了一个信用卡认证辅助决策专家系统，据说每年可节省2700万美金。 总而言之，那时候的专家系统，是大公司趋之若鹜的神器。它能够带来实实在在的经济效益，所以，行业用户愿意为之投资。这是第二次AI浪潮的根本原因。 我们也可以这么说，第一次AI浪潮，是政府投资带动的。第二次AI浪潮，是企业投资带动。AI，开始进入产业化的阶段。 企业投资的成效，反过来又让各国政府对AI恢复了一些信心。 1981年，经济高速增长的日本，率先开始 对AI进行投入。 那一年，日本经济产业省拨款8.5亿美元，支持第五代计算机项目。这个项目的最终目的，是造出一台人工智能计算机 ，能够与人对话、翻译语言、解释图像、完成推理。 1983年，美国国防部高级研究计划局（DARPA） 通过“战略计算促进会（Strategic Computing Initiative）”，重启对 人工智能研究的资助。 同年，英国投资3.5亿英镑，启动了Alvey（阿尔维）计划，全面推进软件工程、人机接口、智能系统和超大规模集成电路等领域的研发。 关于专家系统，还有一个雄心勃勃的项目值得一提。那就是 1984年启动的Cyc项目。 Cyc项目由美国微电子与计算机技术公司发起，是一个“超级百科全书” 项目。它试图将人类拥有的所有一般性知识都输入计算机，建立一个巨型数据库。
好景不长，到了1980年代的后半段，人工智能又开始走下坡路了。 首先，专家系统（符号主义）基于规则和已有知识的“检索+推理”，面对复杂的现实世界，显然还是有能力瓶颈。 它的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等……所有这些问题，都给它的进一步发展造成了困扰。 其次，80年代PC（个人电脑）技术革命的爆发，也给专家系统造成了冲击。 当时专家系统基本上都是用LISP语言编写的。系统采用的硬件，是Symbolics等厂商生产的人工智能专用计算机（也叫LISP机）。 1987年，苹果和IBM公司生产的台式机，在性能上已经超过了Symbolics的AI计算机，导致AI硬件市场需求土崩瓦解。 专家系统的维护和更新也存在很多问题。不仅操作复杂，价格也非常高昂。 结合以上种种原因，市场和用户逐渐对专家系统失去了兴趣。 到了80年代晚期，战略计算促进会大幅削减对AI的资助。DARPA的新任领导也认为AI并非“下一个浪潮”，削减了对其的投资。 在进入1990年代之前，小枣君还是要再讲讲1980年代。 1980年代，专家系统掀起了第二次AI浪潮，也推动了AI技术的发展。但从上帝视角来看，真正对后来的AI发展产生深远影响的，其实不是专家系统，而是另外一个被遗忘了二十多年的赛道。 没错，这个赛道，就是当年被马文·明斯基一句话给干废的“神经网络” 赛道。
前文我们提到，神经网络是联结主义的一个代表性研究方向。但是，因为马文·明斯基的否定，这个方向在1969年被打入冷宫。
1980年，越来越多的科学家意识到专家系统存在不足。符号主义这条路，很可能走不通。人们认为，人工智能想要实现真正的智能，就必须拥有自己的感知系统，能够自主学习。
于是，倡导让机器“自动地从数据中学习，并通过训练得到更加精准的预测和决策能力” 的研究思想，开始逐渐活跃起来。这就是前面提到过的机器学习。
机器学习包含多种方法和理论学派。源于联结主义学派的神经网络，就在这一时期开始“复活”。
1982年，约翰·霍普菲尔德（John Hopfield ）在自己的论文中重点介绍了Hopfield网络模型（模型原型早期由其他科学家提出）。这是一种具有记忆和优化功能的循环（递归）神经网络。
1986年，戴维·鲁梅尔哈特（David Rumelhart）、杰弗里·辛顿（Geoffrey Hinton，记住这个名字！） 和罗纳德·威廉姆斯（Ronald Williams）等人共同发表了一篇名为《Learning representations by back-propagation errors（通过反向传播算法的学习表征）》的论文。
在论文中，他们提出了一种适用于多层感知器（MLP） 的算法，叫做反向传播算法（Backpropagation，简称BP算法）。
该算法通过在输入层和输出层之间设定一个中间层（隐藏层），以反向传播的方式实现机器的自我学习。
算法咱们以后再研究。大家只需要记住，BP算法不仅为多层神经网络的发展奠定了基础，也打破 了马文·明斯基当年提出的“神经网络具有局限性” 魔咒，意义非常重大。
1980年代是人工智能研究方向发生重大转折的时期。机器学习和神经网络（联结主义）加速崛起，逐渐取代专家系统（符号主义），成为人工智能的主要研究方向 。 我们也可以理解为，人工智能原本由知识驱动的方式，逐渐变成了由数据驱动。 机器学习的代表性算法包括决策树、支持向量机、随机森林等。 1995年，克里娜·柯尔特斯（Corinna Cortes） 和弗拉基米尔·万普尼克（Vladimir Vapnik） 开发了支持向量机（Support Vector Machine，SVM）。支持向量机是一种映射和识别类似数据的系统，可以视为在感知机基础上的改进。 神经网络方面，非常重要的CNN（Convolutional Neural Network，卷积神经网络） 和RNN（Recursive Neural Networks，递归神经网络） ，也在那一时期崛起了。 1988年，贝尔实验室的Yann LeCun（他是法国人，网上翻译的中文名有很多：杨立昆、杨乐春、燕乐存、扬·勒丘恩）等人，提出了卷积神经网络。大家应该比较熟悉，这是一种专门用于处理图像数据的神经网络模型。 Yann LeCun
1990年，美国认知科学家、心理语言学家杰弗里·艾尔曼（Jeffrey Elman）提出了首个递归神经网络—— 艾尔曼网络模型。递归神经网络能够在训练时维持数据本身的先后顺序性质，非常适合于自然语言处理领域的应用。 1997年，德国计算机科学家瑟普·霍克赖特（ Sepp Hochreiter）及其导师 于尔根·施密德胡伯（Jürgen Schmidhuber） 开发了用于递归神经网络的LSTM（长短期记忆网络）。1998年，Yann LeCun等人提出了LeNet，一个用于手写数字识别的卷积神经网络，初步展示了神经网络在图像识别领域的潜力。
总而言之，20世纪90年代， 神经网络在开始商用于文字图像识别、语音识别、数据挖掘以及金融预测。在模式识别、信号处理、控制工程等领域，也有尝试应用，尽管当时受到计算资源限制，应用范围和规模有限。想要推动人工智能技术的进一步爆发，既需要算法模型的持续演进，也需要算力的深入增强。此外，还有一个短板，也需要补充，那就是数据。 大家应该看出来了，AI的三要素，就是算法、算力和数据。 1990年代最重要的AI事件，当然是1997年IBM超级电脑“深蓝（DEEP BLUE）” 与国际象棋大师卡斯帕洛夫（KASPAROV）的世纪之战。
此前的1996年2月，深蓝已经向卡斯帕洛夫发起过一次挑战，结果以2-4败北。
1997年5月3日至11日，“深蓝” 再次挑战卡斯帕罗夫 。在经过六盘大战后，最终“深蓝”以2胜1负3平的成绩，险胜卡斯帕罗夫，震惊了世界。 作为80后的小枣君，对这件事情也印象深刻。当时“深蓝” 所引起的热潮，丝毫不亚于后来的ChatGPT。几乎所有的人都在想——人工智能时代是否真的到来了？人工智能，到底会不会取代人类？ 进入21世纪，得益于计算机算力的进一步飞跃，以及云计算、大数据的爆发，人工智能开始进入一个更加波澜壮阔的发展阶段。 2006年，多伦多大学的杰弗里·辛顿（就是1986年发表论文的那个大神）在science期刊上，发表了重要的论文《Reducing the dimensionality of data with neural networks（ 用神经网络降低数据维数 ）》，提出深度信念网络（Deep Belief Networks，DBNs）。 深度学习（Deeping Learning） ，正式诞生了。 2006年被后人称为深度学习元年，杰弗里·辛顿也因此被称为“深度学习之父” 。 深度学习是机器学习的一个重要分支。更准确来说，机器学习底下有一条“神经网络”路线，而深度学习，是加强版的“神经网络”学习。 经典机器学习算法使用的神经网络，具有输入层、一个或两个“隐藏”层和一个输出层。数据需要由人类专家进行结构化或标记（监督学习），以便算法能够从数据中提取特征。 深度学习算法使用“隐藏”层更多（数百个）的深度神经网络。它的能力更强，可以自动从海量的数据集中提取特征，不需要人工干预（无监督学习）。 2006年，在斯坦福任教的华裔科学家李飞飞， 意识到了业界在研究AI算法的过程中，没有一个强大的图片数据样本库提供支撑。于是，2007年，她发起创建了ImageNet项目，号召民众上传图像并标注图像内容。 2009年，大型图像数据集——ImageNet ，正式发布。这个数据库包括了1400万张图片数据，超过2万个类别，为全球AI研究（神经网络训练）提供了强大支持。 从2010年开始，ImageNet每年举行大规模视觉识别挑战赛，邀请全球开发者和研究机构参加，进行人工智能图像识别算法评比。 2012年，杰弗里·辛顿 和他的学生伊利亚·苏茨克沃（Ilya Sutskever）和亚历克斯·克里切夫斯基（Alex Krizhevsky）参加了这个比赛。 他们设计的深度神经网络模型 AlexNet在这次竞赛中大获全胜，以压倒性优势获得第一名（将Top-5错误率降到了15.3%，比第二名低10.8% ），引起了业界轰动，甚至一度被怀疑是作弊。 值得一提的是，他们三人用于训练模型的，只是2张英伟达GTX 580 显卡。GPU在深度神经网络训练上表现出的惊人能力，不仅让他们自己吓了一跳，也让黄仁勋和英伟达公司吓了一跳。 作为对比，2012年的早些时候，谷歌“Google Brain”项目的研究人员吴恩达（华裔美国人，1976年生于伦敦）、杰夫·迪恩（Jeff Dean ）等人，也捣鼓了一个神经网络（10亿参数），用来训练对猫的识别。 他们的训练数据是来自youtube的1000万个猫脸图片，用了1.6万个CPU，整整训练了3天。 “深度神经网络+GPU” 的优势，显露无疑。很多人和很多公司的命运，从此改变了。 2013年，辛顿师徒三人共同成立了一家名为DNNresearch的公司。后来，这个只有三个人且没有任何产品和计划的公司，被谷歌以几千万美元的价格竞购（百度也跑去买，和谷歌争到最后，没成功）。 2013年-2018年，谷歌是人工智能领域最活跃的公司。 2014年，谷歌公司收购了专注于深度学习和强化学习技术的人工智能公司—— DeepMind公司。 2016年3月，DeepMind开发的人工智能围棋程序 AlphaGo（阿尔法狗），对战世界围棋冠军、职业九段选手李世石，并以4:1的总比分获胜，震惊了全世界。 AlphaGo具有很强的自我学习能力，能够搜集大量围棋对弈数据和名人棋谱，学习并模仿人类下棋。 一年后，AlphaGo的第四代版本AlphaGoZero问世。在无任何数据输入的情况下，仅用了3天时间自学围棋，就以100:0的巨大优势，横扫了第二代版本AlphaGo。学习40天后，AlphaGoZero 又战胜了第三代版本AlphaGo。
当时，全世界都在热议AlphaGoZero的强悍自学能力，甚至一度引起了人类的恐慌情绪。 谷歌在AI圈出尽风头，但他们估计也没有想到，一家在2015年悄然成立的公司（确切说，当时是非营利性组织），会很快取代他们的主角地位。这家公司（组织），就是如今大红大紫的OpenAI。 OpenAI的创始人，除了埃隆·马斯克（Elon Musk）之外，还有萨姆·奥尔特曼（Sam Altman）、彼得·泰尔（Peter Thiel）、里德·霍夫曼（Reid Hoffman）。辛顿的那个徒弟，伊利亚·苏茨克沃，也跑去当了研发主管。 深度学习崛起之后，大家应该注意到，都是用于一些判别类的场景，判断猫、狗之类的。那么，深度学习，是否可以创造（生成）一些什么呢？ 2014 年，蒙特利尔大学博士生 伊恩· 古德费洛（Ian Goodfellow ），从博弈论中的“ 二人零和博弈” 得到启发，提出了生成对抗网络（GANs，Generative Adversarial Networks）。 生成对抗网络 用两个神经网络即生成器（Generator）和判别器（Discriminator）进行对抗。在两个神经网络的对抗和自我迭代中，GAN会逐渐演化出强大的能力。生成对抗网络的出现，对无监督学习、图片生成等领域的研究，起到极大的促进作用，后来也拓展到计算机视觉的各个领域。 2017年12月，Google机器翻译团队在行业顶级会议NIPS上，丢下了一颗重磅炸弹。他们发表了一篇里程碑式的论文，名字叫做《Attention is all you need（你所需要的，就是注意力）》。 论文提出只使用“自我注意力（Self Attention）” 机制来训练自然语言模型，并给这种架构起了个霸气的名字——Transformer（转换器、变压器，和“变形金刚”是一个词）。 所谓”自我注意力”机制，就是只关心输入信息之间的关系，而不再关注输入和对应输出的关系，无需再进行昂贵的人工标注。 这是一个革命性的变化。 Transformer的出现，彻底改变了深度学习的发展方向。它不仅对序列到序列任务、机器翻译和其它自然语言处理任务产生了深远的影响，也为后来AIGC的崛起打下了坚实的基础。 2018年6月，年轻的OpenAI，发布了第一版的GPT系列模型——GPT-1。同时，他们还发表了论文《Improving Language Understanding by Generative Pre-training（通过生成式预训练改进语言理解）》。 GPT，就是Generative Pre.trained Transfommer的缩写，生成式预训练变换器 。 Generative（生成式），表示该模型能够生成连续的、有逻辑的文本内容，比如完成对话、创作故事、编写代码或者写诗写歌等。 Pre.trained（预训练），表示该模型会先在一个大规模未标注文本语料库上进行训练，学习语言的统计规律和潜在结构。 Transfommer，刚才说过了，就是那个很厉害的转换器模型。 谷歌紧随其后。2018年10月，他们发布了有3亿参数的BERT（Bidirectional Encoder Representation from Transformers）模型，意思是“来自Transformers的双向编码表示” 模型。 GPT-1和BERT都使用了深度学习和注意力机制，具备较强的自然语言理解能力。两者的区别是，BERT使用文本的上下文来训练模型。而专注于“ 文本生成” 的GPT-1，使用的是上文。基于“ 双向编码” 的能力，BERT的性能在当时明显优异于GPT-1。 谷歌的领先是暂时的。2019年和2020年，OpenAI接连发布了GPT-2和GPT-3。2022年11月，OpenAI发布了基于GPT模型的人工智能对话应用服务——ChatGPT（也可以理解为GPT-3.5），彻底引爆了全世界。 ChatGPT 结合了人类生成的对话数据进行训练，展现出丰富的世界知识、复杂问题求解能力、多轮对话上下文追踪与建模能力，以及与人类价值观对齐的能力。它在人机对话方面的出色表现，引发了社会的高度关注，在全球范围内掀起了一股AI巨浪。 继ChatGPT后，OpenAI又发布了GPT-4、GPT-4V、GPT-4 Turbo 、GPT-4o，形成了如今难以撼动的领导者地位。谷歌虽然也发布号称最强AI大模型的Gemini，但仍然难以在风头上盖过OpenAI。 除了文本生成，生成式AI也积极向多模态发展，能够处理图像、音频、视频等多种媒体形式。 例如DALL-E、Stable Diffusion、Midjourney 等图像生成模型，Suno、Jukebox音乐生成模型，以及SoRa视频生成模型。 全球面向各个垂直领域的“大模型之战” ，仍在硝烟弥漫地进行之中。。。 写到这里，这篇洋洋洒洒一万多字的文章，终于要结束了。 人工智能起步于1950年代，早期主要是符号主义占主流，并引发了第一次（政府投资）和第二次AI浪潮（企业投资）。 到1980年代，符号主义逐渐走弱，机器学习和神经网络开始崛起，成为主流。 1994-现在，虽然叫做第三次AI浪潮，但也分两个阶段。1994-2006（其实是1980-2006），是机器学习、神经网络的早期积累阶段，打基础。 2006年，神经网络进入深度学习阶段，就彻底开始了AI的爆发。 从2018年开始，人工智能逐渐进入了Transformer和 大模型时代，能力有了巨大的提升，也掀起了AI巨浪。 如今的人工智能，已经是全世界关注的焦点，也处于一个前所未有的白金发展阶段。 随着深度学习、神经网络、生成式AI等技术的不断突破，人工智能已经在工业、教育、医疗、金融、交通、娱乐等几乎所有领域实现了落地。人工智能在计算机视觉、自然语言处理、机器人等方面所具备的能力，已经被应用到大量的垂直场景，并产生了可观的经济效益。 在人工智能热潮的带动下，软件、半导体、通信等ICT产业，都获得了不错的商业机会。围绕人工智能的几家大公司，包括英伟达、微软、苹果、Alphabet（谷歌母公司）、亚马逊、Meta、特斯拉，目前在股票市场被誉为“七巨头”，市值屡破纪录。 当然了，这股热潮究竟会走向何方，我们还不得而知。也许，它会继续增长一段时间，甚至长期持续下去，将人类彻底带入智能时代。也许，我们会进入第三次AI低谷，泡沫破碎，一地鸡毛，又进入一个新的周期。 4、《深度学习简史》，Keith D. Foote； 6、《 人工智能的五个定义：哪个最不可取？》 ，李开复；7、《 一文读懂人工智能发展史：从诞生，到实现产业化》 ，李弯弯；9、《 AlphaGo背后：深度学习的胜利》 ，曹玲；10、《三张图讲述一部AI进化史》，产品二姐（知乎） ； 11、《GPT的背后，从命运多舛到颠覆世界，人工神经网络的跌宕80年》，孙睿晨；
文章导航