人工智能概述与历史

🤖 “机器能思考吗？”

1950 年，图灵在一篇论文中提出了一个问题：“机器能思考吗？” 他设计了一个测试——如果一个人通过文字对话无法分辨对方是人还是机器——那这台机器就可以说具有”智能”。

这就是人工智能（Artificial Intelligence, AI） 的开端：让机器做那些需要人类智能才能做的事——看懂图片、听懂语言、下棋决策、创作内容。

💡 AI ≠ 算法：一般的算法（比如排序）是”人告诉计算机怎么做”。AI 是”计算机自己从数据中学习怎么做”。

---

📜 AI 的三起两落

热度
 ↑      🟢 推理期      🟢 知识期          🟢 深度学习革命
 │    (符号主义)      (专家系统)           (2012 ImageNet)
 │   ________        ________            _______________
 │  /  诞生   \      /  繁荣   \         /  GPT / LLM    \
 │ /  1956 🎉  \    /  1980s   \       /   2010s-至今   \
 ││ 达特茅斯会议│   │ 专家系统   │     │  GPU+大数据   │
 │ \ 逻辑证明 /     \ 兴盛     /       \ Transformer  /
 │  \________/      \________/         \______________/
 │       ↓              ↓                     ↓
 │    🔴 寒冬         🔴 寒冬
 │  (解决不了现实问题) (专家系统维护成本太高)
 └──────────────────────────────────────────────────── 时间

第一次黄金期（1956-1974）

成就：逻辑证明器、早期 NLP、跳棋程序能打败业余选手。 局限：只能处理”玩具问题”——现实世界比逻辑推理复杂得多。

第一次寒冬（1974-1980）

原因：承诺太多兑现太少。政府报告批评 AI 研究”没能产生重大突破”，资金大幅削减。

第二次黄金期（1980-1987）

专家系统（Expert Systems） 兴起——把人类专家的知识编码成 IF-THEN 规则。例如医疗诊断系统 MYCIN 在某些领域表现超过人类医生。 局限：规则维护成本极高——“知识获取瓶颈”。

第二次寒冬（1987-1993）

日本”第五代计算机”项目失败，专家系统被认为太脆弱。AI 再次进入低谷。

深度学习革命（2006-至今）

三个因素共同引爆：

1. 大数据（互联网产生海量训练数据）
2. GPU 计算（算力爆炸）
3. 算法突破（反向传播、Transformer）

关键里程碑：

2012：AlexNet 在 ImageNet 上大幅超越传统方法 → 深度学习时代开启
2014：GAN 诞生 — 生成模型
2017：Transformer — "Attention Is All You Need"
2020：GPT-3 — 大语言模型
2022：Stable Diffusion — 文生图
2023：GPT-4、LLaMA — 开源大模型
2025+：AI Agent、多模态

---

🏛️ AI 的四大流派

流派	核心思想	代表性成果
符号主义	智能 = 符号操作 + 逻辑推理	专家系统、定理证明
连接主义	智能 = 神经网络 + 学习	深度学习、GPT
行为主义	智能 = 感知 + 行动	机器人、强化学习
统计学派	智能 = 从数据中发现模式	SVM、贝叶斯网络

---

📝 小结

概念	一句话
AI	让机器模拟人类智能的技术
三大要素	数据 + 算法 + 算力 = 现代 AI 的成功公式
三起两落	推理期→寒冬→知识期→寒冬→深度学习
四大流派	符号、连接、行为、统计

为什么先学这个？ 了解 AI 全景后，先看两种经典的 AI 方法——搜索算法和线性回归。