第 11 节 走进 AI 新世界 （1 / 1）

《第 11 节 走进 AI 新世界》转载请注明来源：369小说网(369book.cc)

https://pic1.zhimg.com/v2-dde0a83799bd6e5c72ec0a94fc015c4b.png?source=6a64a727

虽然 AI 这个词听起来高大上，但它其实最早可以追溯到 1956 年。当时，香农的信息论，图灵的可计算理论对计算机的诞生做出了重大贡献。很快，人们就开始思考计算机能否模拟人脑，制造出人工智能。

最初一段时间，人们设计出了一些看起来似乎有点智能的玩意。比如，解决一些简单的数学题，控制机器人运动，说一些简单的话等等。在 20 实际 60 年代，AI 研究进入了第一次热潮。人们纷纷投钱，希望在 20 年甚至 10 年内开发出与人类智能接近的 AI。

可惜，科学家们高估了这个问题的难度。人们发现无论怎样设计精妙的算法，AI 都不可能拥有智慧。AI 只能在特定场景下解决一些简单问题，一旦设计人实际面对的复杂性，AI 就成了智障。不过，有一部分人意识到这可能是计算能力的限制。如果未来计算机的计算能力大幅提升，AI 或许会变得有用。

就这样，AI 磕磕绊绊发展了几十年。直到 2011 年以前，AI 可谓是一潭死水。虽然人们仍然在发明各种可以称作 AI 的技术，无论是专家系统，还是机器人、自动驾驶汽车，但人们很少提 AI。AI 像是一个尘封多年的梦想，早已被现实击碎，遗忘在时代的洪流中。

2011 年，有一件事打破了往日的宁静。Hinton 协同他的学生 Ilya 和 Alex 提出了 AlexNet。这个模型在当时史上最困难的图像识别竞赛 ImageNet 上断档式领先第二名由wx`胡^巴 士`提供全文 10 个百分点。要知道，以前，人们挖空心思地改进算法，能提高 1% 就算烧高香。而 Alex 他们却一次性提高了 10%，当时不可谓不惊艳。从此，AI 领域变了天，人们意识到，深度学习的时代来了。深度神经网络模型正式走上历史舞台。

从 2011 年到今天，深度神经网络经历了许多变化。这些变化主要体现在模型结构上，从最开始的 CNN（Convolutional Neural Network，卷积神经网络），到现在的 Transformer。人们不断寻找更优秀的神经网络结构，以提高模型对世界的拟合能力。

不过，正如上个世界的人曾经预言的，AI 的发展可能是算力发展的必然结果。任何一种模型结构，都是为了适应当时的算力而诞生的。2025 年最先进的模型，到了 2027 年，可能会无法全面地利用算力，从而被更复杂的模型所取代。人们之所以没能在上个世纪发明 Transformer，不是因为那时候的人不聪明，而是算力所限，即使有人想到了 Transformer 架构，也会被认为无用而放弃。

从历史的角度思考，我们或许可以得出一些结论。

首先，AI 模型结构仍然会继续改进。Transformer 还能流行多少年，谁也说不清楚。本专栏专注于讲解 Transformer，自然不希望一两年之后它就销声匿迹。读者倒是不必担心学习的时效性。至少最近 5 年，Transformer 的知识不会没用。即便新的架构出现了，对 Transformer 的理解仍然会帮助你快速迁移到新的模型上。可以说，上船很难，而一旦到了船上，接下来就只需要顺势而