引言：AI不是“突然火的”，而是熬了70年的“老技术”
现在打开手机，ChatGPT能陪你聊天写报告，Midjourney能按你的想法画插画，自动驾驶汽车能自己拐弯避障——好像AI是近几年突然“蹦出来”的黑科技。但其实，从人类第一次想让机器“像人一样思考”到今天，AI已经走了近70年。
这70年里，它既当过被捧上天的“未来明星”，也两度跌入无人问津的“寒冬”；既靠算数学题起家，又靠“读万卷书”学会了创作。就像一个从牙牙学语的婴儿，慢慢长成多才多艺的少年，它的每一步成长都藏着人类对“智能”的执着探索。今天就用大白话，讲讲AI从1956年到2023年的“前世今生”。
一、1956-1970s：AI的“出生”与第一次“做梦”
1. 1956年：一场暑假会议，给AI“上了户口”
1956年夏天，美国达特茅斯学院开了个特别的“暑假班”，8个科学家凑在一起聊了两个月，主题是“如何让机器模拟人类智能”。其中有个叫约翰·麦卡锡的年轻人，第一次提出了“Artificial Intelligence”（人工智能）这个词——相当于给这个新领域起了名字，这就是AI的“出生证”，史称“达特茅斯会议”。
这群科学家当时信心爆棚，麦卡锡甚至说“暑假就能搞定智能机器”。会议上，有两人还展示了世界上第一个AI程序“逻辑理论家”，能自动证明数学定理，就像给机器请了位“数学老师”。会后，麦卡锡和另一位科学家马文·明斯基在MIT建了第一个AI实验室，算是给AI安了个“家”。
2. 早期AI：只会“照本宣科”的“做题家”
那时候的AI，走的是“符号逻辑”路线——简单说就是把人类的知识变成一条条规则，让机器照着推理。比如想让机器识别“苹果”，就得先告诉它：“圆形、红色、直径5-10厘米、带柄、能吃”，少一个条件它就认不出来。
这期间也出了些有意思的尝试：1956年，有人做了个跳棋程序，能通过自我对弈学技巧，还在电视上打败了人类玩家，算是早期“机器学习”的雏形；1957年，又发明了“感知器”，这是AI的第一个“简易大脑”，模仿人类神经元工作，能分辨简单的图形。
但问题很快暴露了：机器只会处理“玩具级问题”。比如算数学题还行，可让它判断“下雨天要不要收衣服”，它就懵了——因为这涉及“下雨大小、衣服是否怕湿、有没有人在家”等一堆常识，根本没法全写成规则。更头疼的是“组合爆炸”，问题稍微复杂点，计算量就呈指数级增长，当时的计算机根本扛不住。
3. 第一次AI寒冬：“吹的牛”圆不上了
到了1970年代，大家发现AI根本达不到预期。1973年，英国出了份《莱特希尔报告》，直接批评AI“只会在实验室里折腾，解决不了实际问题”。这下投资方慌了，美国国防部、英国政府纷纷砍经费，很多AI项目直接停摆，整个领域陷入沉寂——这就是AI的第一次“寒冬”，相当于创业公司吹了大牛皮，最后融不到钱了。
二、1970s末-1990s：AI换赛道“谋生”，又摔了一跤
1. 专家系统：靠“抄专家笔记”逆袭
寒冬里，科学家们换了个思路：既然做不了“全能选手”，那就当“领域专家”。于是“专家系统”诞生了——简单说就是把医生、工程师这些行业专家的经验，一条条写成规则输进机器，让机器替专家做简单决策。
比如有个叫MYCIN的医学AI，专门诊断血液感染，能根据症状推荐抗生素，准确率比普通医生还高；还有个叫XCON的系统，帮DEC公司配置服务器，每年能省4000万美元。这下企业看到了好处，1980年代美国几乎所有大公司都搞起了AI团队，日本还推出“第五代计算机计划”，想造能推理的专用机器，AI一下子又火了，1988年产业估值冲到了几十亿美元。
2. 第二次AI寒冬：“死板专家”被抛弃
好景不长，专家系统的毛病越来越明显。首先是“知识难获取”，要让老专家把一辈子的经验写成规则，不仅费时间，还容易遗漏；其次是“太死板”，只要遇到规则外的情况就歇菜——比如MYCIN不知道“病人对青霉素过敏”，就会瞎推荐；最后是“维护贵”，市场一变化，就得重新改几百上千条规则，企业根本扛不住。
1987年，AI再次被泼冷水，企业纷纷撤资，AI公司倒闭一大片，第二次“寒冬”来了。有意思的是，这次寒冬里藏着转机：1986年，有个叫杰弗里·辛顿的科学家改进了“反向传播算法”，能让多层神经网络学会纠错；1989年，另一位科学家杨立昆把“卷积神经网络”用到了手写数字识别上，银行用它自动读支票，已经能实际干活了。只是当时没人想到，这俩技术后来会引爆AI革命。
本小章还未完，请点击下一页继续阅读后面精彩内容！
3. 1997年：深蓝“打脸”人类，却没救了AI
1997年，IBM的超级计算机“深蓝”以3.5:2.5击败了国际象棋世界冠军卡斯帕罗夫，全世界都炸了——这是人类第一次在顶级智力游戏上输给机器。但其实深蓝没那么“智能”，它就是靠每秒算2亿步的速度，把所有可能的走法都列出来选最优解，本质是“暴力计算”，不是真的“会下棋”。
所以深蓝的胜利没让AI热起来，反而让大家觉得“AI就是堆算力”。不过这十年里，AI悄悄换了赛道：从“人工写规则”变成了“让机器自己学”，也就是“机器学习”。支持向量机、贝叶斯网络这些算法开始流行，语音识别、数据分类能用了，只是还没到让人眼前一亮的程度。这时候的AI，就像在默默攒技能的“学徒”，等着机会爆发。
三、2006-2012：三要素集齐，AI“开窍”了
1. 深度学习的“三板斧”：数据、算力、算法
AI真正的转折点在2006年，辛顿正式提出“深度学习”概念——简单说就是用更深层的神经网络，让机器像人一样“从数据里学知识”。但光有概念不够，得有“三板斧”才管用：
第一是“海量数据”。互联网普及后，照片、文本、语音全变成了数字，比如你发的朋友圈、拍的照片，都成了AI的“练习题”。2009年，李飞飞团队搞了个“ImageNet”项目，找了1500万张图片，标上“猫、狗、汽车”等标签，相当于给AI准备了“看图识字大全”。
第二是“强大算力”。以前训练神经网络像用“自行车拉货”，2000年后GPU（图形处理器）派上了用场。GPU本来是玩游戏用的，擅长并行计算，训练神经网络的速度一下子快了几百倍，相当于把“自行车”换成了“卡车”。后来谷歌还造了专门的TPU芯片，算力更猛。
第三是“好用算法”。辛顿的“深度信念网络”解决了深层网络“学不会”的问题，杨立昆的卷积神经网络擅长“看图像”，还有循环神经网络擅长“读文本”。这三个要素凑齐，AI就像打通了“任督二脉”。
2. 2012年：AlexNet一战封神，深度学习爆发
2012年的ImageNet竞赛成了转折点。辛顿的学生亚历克斯用“AlexNet”模型参赛，把图像识别错误率从26%降到15%，比第二名整整低了11个百分点——这在以前根本不敢想。
AlexNet的秘诀很简单：用了8层神经网络，靠GPU加速训练，还会“数据增强”（比如把图片翻转、裁剪，造出更多练习题）。它的成功证明了深度学习能搞定“看东西”这个大难题，从此传统算法被彻底淘汰，所有AI公司都开始搞深度学习。这一年，算是AI的“成人礼”，终于从“学徒”变成了“高手”。
四、2013-2020：AI“闯关升级”，打败人类高手
1. 2016年：AlphaGo下赢围棋，人类“最后的智力堡垒”破了
2016年，谷歌DeepMind的AlphaGo和围棋世界冠军李世石对战，4:1获胜，这比深蓝赢国际象棋震撼多了——围棋有10的170次方种走法，比宇宙中的原子还多，根本没法“暴力计算”。
AlphaGo的厉害之处在于“会思考”：它用深度学习“看棋盘”，用“蒙特卡洛树搜索”选走法，还通过和自己下棋几百万盘“积累经验”。对战中，它下出第78手“天外飞仙”，连李世石都看懵了，因为这步棋完全跳出了人类棋谱。更牛的是它的升级版AlphaZero，从零开始学围棋，36小时就打败了所有前辈，相当于“闭关36小时，直接拿世界冠军”。
这时候大家才意识到，AI已经能处理“没有固定规则”的复杂问题，进入了“认知智能”阶段。
2. 2017年：Transformer架构，给AI装了“注意力放大镜”
2017年，谷歌发表了一篇论文《Attention is All You Need》（注意力就是一切），提出了“Transformer”架构——这是AI发展史上的“里程碑”，相当于给AI换了个更聪明的“大脑结构”。
以前的AI读文本是“从头读到尾”，比如读“王姐给闺蜜的男友的前任点了赞”，得一个个词捋，容易搞混关系。Transformer的“注意力机制”就像放大镜，能瞬间抓住“王姐”“闺蜜的男友的前任”这些关键角色，理清逻辑。而且它能并行处理数据，训练速度快了好几倍。
这个架构直接催生了后来的大语言模型，比如GPT、BERT，都是在它的基础上做的。可以说，没有Transformer，就没有今天的ChatGPT。
小主，
3. 2020年：GPT-3横空出世，能写代码会写诗
2020年，OpenAI推出GPT-3，参数量达到1750亿——相当于给AI装了个“超级大脑”，里面存了海量的书籍、网页、代码。它的厉害之处在于“少样本学习”：不用专门训练，给几个例子就能干活。
比如让它把特朗普的讲话翻译成李清照的词风，它能立刻搞定；让它用《新华字典》里的生僻字写武侠小说，它也能编得有模有样；甚至给它个需求，它能直接写出Python代码。虽然偶尔会“一本正经地胡说八道”，但已经让人们看到了AI的潜力——这东西好像啥都会。
五、2022-2023：生成式AI爆发，走进普通人的生活
1. 2022年：ChatGPT刷屏，AI成了“全民助手”
2022年11月，OpenAI发布ChatGPT，彻底把AI从实验室拉到了普通人身边。它基于GPT-3.5，最大的特点是“会聊天”——不像以前的机器人只会答非所问，ChatGPT能理解上下文，比如你跟它说“帮我写封请假条，理由是陪老人看病”，它写完你说“改得正式点”，它能立刻调整，就像个真人助理。
更夸张的是它的增长速度：上线两个月用户破1亿，是史上增长最快的消费应用。学生用它写作业，程序员用它查bug，职场人用它写报告，甚至有人用它生成短视频脚本、改简历。这时候的AI，不再是遥远的技术，成了能随手用的“工具”。
2. 多模态AI：能看能听，还能“造世界”
ChatGPT火的同时，“文生图”AI也爆了。2022年，DALL·E 2、Stable Diffusion、Midjourney相继出现，你只要输入文字提示，比如“赛博朋克风格的故宫，下雨天，霓虹灯闪烁”，AI就能生成一张堪比插画师水平的图片。
到了2023年，OpenAI发布GPT-4，直接支持“文本+图像”输入——你给它拍张凌乱的书桌，说“帮我列个整理计划”，它能看懂图片，给出具体步骤；你给它看道数学题的图片，它能直接解题。谷歌、Meta也跟着发布PaLM 2、LLaMA等大模型，AI正式进入“群雄争霸”时代。
这时候的AI已经是“多面手”：能看（图像识别）、能听（语音识别）、能说（文本生成）、能画（图像生成），甚至能帮科学家预测蛋白质结构、通过律师考试。