人工智能进化史：从"教它规则"到"让它创造"

💡 学习指南：本章节通过交互式演示，带你回顾 AI 如何从“只会算数的机器”进化成“能写诗的艺术家”。

我们将聚焦于三次核心的思维跃迁：从教它规则，到让它模仿，最终实现让它创造。同时，我们也会梳理关键的历史节点，带你理清技术发展的脉络。

AI 进化模拟器

规则

机器学习

深度学习

阶段一：规则时代 (Rule-Based)

就像教小孩：如果看到红灯，就停下。

规则库 (Code)

function decideTrafficLight(color) {

if (color === 'red') return 'stop'

else if (color === 'yellow') return 'caution'

else if (color === 'green') return 'go'

}

测试输入

→

stop

系统严格按照预定义的规则执行指令。

关键里程碑 (Timeline)

AI 进化时间轴

点击不同时期，查看 AI 是如何一步步进化的

20世纪50-80年代规则与逻辑推理

早期人工智能研究认为，智能可以通过符号和逻辑规则来表达。科学家们尝试编写大量规则来让机器模拟人类专家的决策过程。

💡 核心特点

• 人工编写 If-Then 规则
• 逻辑推理能力强大
• 可解释性强
• 难以处理模糊/复杂问题

🌟 代表成就

专家系统深蓝 (Deep Blue)MYCIN

21世纪10年代神经网络与深度学习

随着大数据和 GPU 算力的突破，深度学习迎来了春天。神经网络通过多层结构自动学习特征，在图像识别、语音识别等领域取得巨大成功。

💡 核心特点

• 模仿人脑神经元结构
• 从数据中自动学习特征
• 强大的模式识别能力
• 模型是"黑盒"，缺乏可解释性

🌟 代表成就

AlexNetAlphaGo人脸识别

21世纪20年代至今大模型与创造力

Transformer 架构的诞生让机器理解了上下文关系。GPT 等大语言模型不仅能生成文本、图像，还展现出了惊人的推理和创造能力。

💡 核心特点

• 基于 Transformer 架构
• 通用的理解与生成能力
• 涌现出推理、规划等高级智能
• 通过提示词 (Prompt) 交互

🌟 代表成就

ChatGPTMidjourneySora

符号主义时代

连接主义时代

生成式 AI 时代

0. 引言：机器能思考吗？

1950 年，艾伦·图灵提出了一个问题："机器能思考吗？"

为了回答这个问题，人类尝试了三种截然不同的解法：

1. 教它规则（逻辑）：像教小孩一样，把所有规则写给它。
2. 让它模仿（概率）：给它看大量数据，让它自己找规律。
3. 让它创造（生成）：不仅能分类，还能根据理解创造新东西。

本教程将带你亲手体验这三个阶段。

---

1. 符号主义：教机器"守规矩"（20世纪50年代 - 80年代）

早期的 AI 科学家认为：智慧就是逻辑推理。 只要我们把世界上的所有知识都写成 If...Then... 的规则，机器就能像人一样聪明。

这被称为专家系统或符号主义人工智能。

1.1 什么是"基于规则"？

就像教小孩：

• 如果看到红灯，就停下。
• 如果下雨，就带伞。

在代码中，这表现为：

// 基于规则的 AI 示例
function decideTrafficLight(color) {
  if (color === 'red') {
    return 'stop'
  } else if (color === 'yellow') {
    return 'caution'
  } else if (color === 'green') {
    return 'go'
  } else {
    return 'unknown'
  }
}

1.2 专家系统的巅峰：MYCIN

1970 年代，斯坦福大学开发的 MYCIN 系统能诊断血液感染，准确率达到专家水平。

它的工作原理是：

// MYCIN 系统的规则示例 (伪代码)
(IF
  (organism IS gram-positive) AND
  (morphology IS coccus) AND
  (growth-chains IS chains)
THEN
  (identity IS 0.7 streptococcus))

数据示例 (知识库格式)：

// 专家系统知识库示例
{
  "rules": [
    {
      "id": "RULE-001",
      "conditions": ["traffic_light == red", "speed > 0"],
      "action": "brake",
      "priority": 1
    },
    {
      "id": "RULE-002",
      "conditions": ["weather == rainy", "visibility < 100m"],
      "action": "turn_on_lights",
      "priority": 2
    }
  ]
  // 系统按优先级依次匹配规则，遇到匹配就执行
}

1.3 交互演示：规则 vs 学习

下方的演示展示了两种方式的区别。

• 左边 (规则)：你必须显式地写代码 if (size > 6)。如果世界变了（比如苹果变小了），你的代码就失效了。
• 右边 (学习)：你不需要写规则。你只需要给机器看一堆苹果和樱桃的数据，点击 Train，它自己会"悟"出一个分界线。

规则 vs 学习

对比：你写阈值 (规则) vs 让模型从数据里"推断"阈值 (学习)

规则系统（手写 If/Else）

阈值 size >

（必须明确写出）

测试输入 size

输出

🍎 苹果

if (size > 5) return 🍎 else return 🍒

当环境变化（比如'苹果平均变小了'），你需要手动改规则；规则越多，维护成本越高。

机器学习（从样本推断边界）

2 → 🍒8 → 🍎

1.4 符号主义的局限性

规则看起来很完美，但现实世界太复杂了。

🎯 组合爆炸模拟器

亲手体验"规则指数增长"的恐怖

🎨物体特征数量: 3

2

4

6

特征1 特征2 特征3

🔢每个特征的可能值: 2

2

3

4

需要的规则总数

8

= 2³

简单 (可人工处理)

问题 1：组合爆炸

• 试图写下"识别猫"的所有规则？不可能！
• "有胡须"？老鼠也有。
• "有尖耳朵"？狗也有。
• "毛茸茸的"？兔子也是。
• 现实世界有无限边界情况，规则永远写不完。

问题 2：无法处理不确定性

• 如果规则冲突怎么办？
• 如果遇到没见过的情况怎么办？
• 规则系统很"脆弱"，缺少人类常识。

⚠️ 教训：试图用有限规则描述无限现实，注定失败。这导致了 1980 年代的AI 寒冬。

---

2. 连接主义：教机器"像人脑一样思考"（21世纪10年代至今）

既然规则写不完，不如换个思路：让机器自己学？ 科学家开始模仿人脑的结构——神经元。

这就是连接主义的核心思想。

2.1 人脑的启示

人脑有约 860 亿个神经元，每个神经元通过突触连接成千上万个其他神经元。

关键发现：

• 单个神经元很"笨"（只是兴奋或不兴奋）
• 但几百亿个神经元连在一起，就产生了智能

2.2 感知机

1957 年，康奈尔大学的 Frank Rosenblatt 发明了感知机——这是最简单的人工神经元。

它的工作原理：

1. 接收输入：从多个"突触"接收信号（$x_1, x_2, ...$）
2. 加权求和：每个输入有对应的权重，代表重要性
3. 激活判断：如果总和超过某个阈值（偏置），就激活（输出 1）

如果不带公式，怎么理解？

简单来说就是：打分机制。
总分 = (输入1 × 权重1) + (输入2 × 权重2) + ... + 基础分
如果 总分 > 0，输出 1 (激活)
否则，输出 0 (静默)

2.3 交互演示：玩转神经元

调整下方的权重和偏置，看看能否控制神经元的输出。

• 权重（$w$）：代表输入的"重要性"。$w$ 越大，这个输入对结果影响越大。
• 偏置（$b$）：代表神经元的"门槛"。$b$ 越小，神经元越容易兴奋（输出 1）。

感知机 (Perceptron) 演示

最简单的神经元：输入 x 权重 + 偏置 = 输出

输入 A

输入 B

权重 A: 2

权重 B: -1

总分

2.0

基础分 (Bias):

结果 (Output)

1

总分计算: (输入A 1 × 权重 2) + (输入B 0 × 权重 -1) + 基础分 0 = 2.0

判断结果: 2.0 > 0 → 输出 1 (激活)

2.4 从单神经元到深度学习

单个神经元能做什么？只能做简单分类（比如判断"苹果还是樱桃"）。

但如果把神经元分层连接：

输入层 (图片像素)
    ↓
隐藏层 1 (识别边缘)
    ↓
隐藏层 2 (识别形状)
    ↓
隐藏层 3 (识别物体部件)
    ↓
输出层 (识别物体)

这就是神经网络。当网络有很多层时，我们称之为深度学习。

神经网络：手动前向传播（可控演示）

用"开始 / 上一步 / 下一步"逐层推进，避免误把动画当成真实训练过程。

网络结构

提示：点击某一层的神经元可以“聚焦”该层（仅用于查看，不会触发自动流程）。

每一层在做什么

输入层 (Input)

接收原始数据（如图片的像素值）。

x = [x1, x2, x3]

隐藏层 (Hidden)

提取特征（如边缘、形状）。每个神经元计算加权和并激活。

h = ReLU(W1·x + b1)

输出层 (Output)

给出最终结果（如分类概率）。

y = Softmax(W2·h + b2)

2.5 神经网络是如何学习的？

不像专家系统需要人写规则，神经网络通过看数据自己学。

学习过程（反向传播）：

1. 前向传播：输入数据，得到预测结果
2. 计算误差：对比预测和真实答案
3. 反向传播：根据误差调整每个神经元的权重
4. 重复：重复几百万次，直到误差足够小

🔄 反向传播演示

观察神经网络如何通过误差反向调整权重

0

前向传播

0

计算误差

0

反向传播

0

更新权重

误差 (Loss)0.9500

95%

输入数据通过各层传递，得到预测输出。就像学生做完了一套试卷。

数据示例 (训练数据格式)：

// 图像分类训练数据示例
{
  "dataset": "cats_vs_dogs",
  "samples": [
    {
      "image": "cat_001.jpg",
      "label": 1,  // 1 = 猫
      "features": [0.2, 0.8, 0.5, ...]  // 提取的特征向量
    },
    {
      "image": "dog_001.jpg",
      "label": 0,  // 0 = 狗
      "features": [0.7, 0.3, 0.9, ...]
    }
  ]
  // 神经网络会自动学习：什么样的 feature 组合更可能是猫
}

2.6 连接主义的突破：2012 年 AlexNet

2012 年，AlexNet 在 ImageNet 竞赛中以压倒性优势夺冠，标志着深度学习时代的到来。

关键因素：

• 大数据：ImageNet 提供了 1400 万张标注图片
• 大算力：GPU 的并行计算能力让训练深度网络成为可能
• 新算法：ReLU 激活函数、Dropout 正则化等技术突破

2.7 连接主义的局限

深度学习很强大，但也不是完美的：

• 黑盒问题：虽然能识别猫，但我们说不清"它是怎么识别的"
• 数据饥渴：需要海量标注数据，获取成本高
• 缺乏常识：能识别出这是“猫”，但理解不了“猫喜欢抓老鼠”或“猫通常怕狗”这种常识关系（因为它只是在做像素级的统计匹配，而非真正的概念理解）

---

3. 生成式人工智能：机器有了"创造力"（21世纪20年代至今）

以前的 AI 主要是判别式（这是猫还是狗？）。 现在的 AI 是生成式（画一只猫！）。

这一切的背后，是 Transformer 架构的诞生。它让 AI 学会了理解上下文，学会了"举一反三"。

3.1 从"识别"到"创造"

传统深度学习（判别式模型）：

• 输入：一张图
• 输出：这是猫（概率 98%）

生成式 AI：

• 输入：一句话"一只戴着墨镜的猫"
• 输出：生成一张对应的图片

🎯 判别式 vs 生成式 AI

理解两种不同的 AI 范式

🔍

判别式 AI

分类/识别

输入

猫图

输出

这是猫

置信度: 98%

典型应用:

图像分类垃圾邮件过滤疾病诊断人脸识别

✨

生成式 AI

创造/生成

输入

"一只戴墨镜的猫"

输出

生成图像 ✓

典型应用:

ChatGPTMidjourney代码生成音乐创作

3.2 Transformer：AI 的"瑞士军刀"

2017 年，Google 发表论文《Attention Is All You Need》（注意力机制就是你所需的全部），提出 Transformer 架构。

它的核心创新：注意力机制

原理：让模型在处理一个词时，能"关注"到句子中其他相关的词。

例如："小明把苹果给了他的母亲"

当模型处理"他"时，注意力机制会让它关注到"小明"，从而理解"他"指代的是小明。

👁️ 注意力机制演示

点击词语，观察它如何"关注"句子中的其他词

小明把苹果给了他的母亲

👆 点击句子中的任意词语开始

3.3 GPT：从文本生成到通用智能

2018 年，OpenAI 发布 GPT-1（生成式预训练变换器）。

核心思想：

1. 预训练：在海量文本上学习"预测下一个词"
2. 微调：在特定任务上调整（比如问答、翻译）

从 GPT-1 (2018) → GPT-2 (2019) → GPT-3 (2020) → GPT-4 (2023)

• 参数量从 1.17 亿 → 1750 亿 → 1.8 万亿（估计）
• 能力从文本生成 → 多模态（图片、音频、视频）

🚀 GPT 进化历程从 GPT-1 到 GPT-4 的演进之路

2018

参数量1.17 亿

上下文512 tokens

开创性地使用了 Transformer 解码器进行预训练，证明了无监督学习在 NLP 中的潜力。

🎯 关键能力:

预训练+微调范式BookCorpus 数据集单向 Transformer

2019

参数量15 亿

上下文1024 tokens

参数量扩大 10 倍，展示了惊人的零样本（Zero-shot）能力，能生成连贯的文本。

🎯 关键能力:

WebText 数据集Zero-shot Learning生成长文本

2020

参数量1750 亿

上下文2048 tokens

参数量爆炸式增长，涌现出上下文学习能力（In-Context Learning），无需微调即可完成任务。

🎯 关键能力:

Few-shot LearningCommon Crawl能力涌现

2023

参数量1.8 万亿 (推测)

上下文128k tokens

引入多模态能力（识图），逻辑推理和代码能力大幅提升，支持超长上下文。

🎯 关键能力:

多模态输入MoE 架构RLHF 对齐考试高手

GPT-1

GPT-2

GPT-3

GPT-4

进化趋势

参数量增长10000倍+

对话能力单轮 → 多轮

逻辑推理弱 → 强

3.4 生成式人工智能的局限

虽然强大，但也存在问题：

• 幻觉：一本正经地胡说八道
• 偏见放大：从训练数据中学到人类偏见
• 不可解释：仍然是个黑盒，不知道内部怎么运作

---

4. AI 范式对比总结

时代	核心理念	代表产物	优势	局限
符号主义	智慧 = 规则	深蓝（下棋）、MYCIN（诊断）	可解释性强，逻辑清晰	无法处理模糊、复杂的现实世界
连接主义	智慧 = 神经网络	AlphaGo、人脸识别	能处理复杂模式，性能强大	需要海量数据，是个"黑盒"
生成式人工智能	智慧 = 通用理解	ChatGPT、Midjourney	能创造新内容，理解上下文	幻觉、偏见、不可解释

AI 的进化趋势：

1. 从人工到自动：从人写规则 → 机器自动学习
2. 从单一到通用：从下棋专用 → 通用人工智能
3. 从判别到生成：从分类识别 → 创造新内容

关于大语言模型的详细原理，请移步下一章：大语言模型入门

---

5. 名词速查表

名词	英文原文	解释
符号主义	Symbolic AI	基于规则的人工智能。认为智能可以用逻辑规则表示。代表：专家系统、深蓝。
专家系统	Expert Systems	符号主义的代表产物。通过人工编写大量规则来模拟专家决策。代表：MYCIN（医疗诊断）。
连接主义	Connectionism	基于神经网络的人工智能。模仿人脑神经元连接结构，通过数据自动学习。
感知机	Perceptron	最简单的神经网络单元。接收多个输入，加权求和后通过激活函数输出。
神经网络	Neural Network	由多个感知机分层连接组成的模型。通过调整权重来学习数据中的模式。
深度学习	Deep Learning	使用多层神经网络的学习方法。能自动提取层次化特征（边缘 → 形状 → 物体）。
反向传播	Backpropagation	神经网络的学习算法。通过计算预测误差，反向调整每层的权重，逐步优化模型。
生成式人工智能	Generative AI	能创造新内容的人工智能（文本、图片、音频等），而非仅仅是分类或识别。代表：ChatGPT、Midjourney。
判别式人工智能	Discriminative AI	用于分类的人工智能（如：这是猫还是狗？）。传统深度学习大多是判别式的。
Transformer	Transformer	2017 年由 Google 提出的架构，基于注意力机制。是现代大语言模型（GPT、BERT）的基础。
注意力机制	Attention Mechanism	让模型在处理一个元素时，能动态"关注"其他相关元素的技术。是 Transformer 的核心。
GPT	Generative Pre-trained Transformer	OpenAI 的系列模型。通过"预训练 + 微调"范式，在大量文本上学习生成能力。
预训练	Pre-training	在大规模无标注数据上进行初步训练，学习通用知识（如语言规律）。
微调	Fine-tuning	在预训练模型基础上，使用特定任务的小规模数据进行调整，使模型适应具体应用。
幻觉	Hallucination	生成式人工智能模型"自信地编造错误内容"的现象。如 ChatGPT 编造不存在的论文或事实。
通用人工智能	Artificial General Intelligence	像人类一样具备多领域智能、能自主学习推理的人工智能（尚未实现）。