洞悉人工智能：发展历程与未来展望

▲戳蓝字（老蝈）关注我！我可能是错的。

人工智能，自1956年达特茅斯会议上初步的“规则式AI”概念提出，经历了统计学习、深度学习的演进，并在2017年后迎来了大模型技术的飞速发展，目前正朝着智能体与多模态融合的新方向迈进。

1956年，约翰-麦卡锡在达特茅斯会议上首次提出“人工智能”这一术语，早期的AI系统主要依赖于人工编写的规则库。

那个时期的机器翻译系统，需要人工构建词典和语法规则，导致翻译结果生硬，难以处理语境的模糊性和未知场景。

进入1990年代，机器学习的兴起打破了这一局面。

以垃圾邮件过滤为例，传统的规则难以应对“免费”“发票”等变体词汇，而机器学习通过分析能够自动识别出“免费”“发票”等高频垃圾邮件关键词，从而显著提高了准确率。

这一阶段的“统计式AI”依赖于人工标注的数据，仍然存在“学科偏见”的问题，在邮件分类上训练的模型无法应用于医疗影像等跨领域任务。

2017年，AI进入了“大模型时代”。其核心的“自注意力机制”能够同时分析文本的全局信息，克服了循环神经网络（RNN）的“遗忘症”和卷积神经网络（CNN）的“局部视野”的不足。

例如，GPT-3通过1750亿参数的预训练，实现了少样本学习能力，能够生成代码、撰写论文甚至进行诗歌创作。

2022年，ChatGPT的问世将大模型从实验室推向了公众视野，其基于RLHF（人类反馈强化学习）的对话能力，使得AI首次具备了接近人类的交互体验。

随着AI技术的日新月异，多模态融合正进一步拓展着AI的边界……由此，我们可以看到三百多所高校，争相出现在以下的表格中。

为何如此火爆？

源于对被超越的担忧。

中科院半导体所姬扬教授在2018年撰写的《从测谎仪谈起》中提到：

很有可能出现这样的强人工智能，对于绝大多数人（99%）来说，它是神一般的存在，而对于极少数人（1%）来说，它仍然是低级的AI，充当仆人的角色。（当然，这个比例可能更接近于99.99%。）

人工智能将成为一道分水岭，能够超越AI的人将成为超级人类，而那些无法企及的人则可能沦为“贱民”。

如果那些掌握先进AI技术的人选择不让那些处于劣势的人们享受到AI的便利，那么我们将重蹈历史覆辙，“断绝了人神之间的沟通”，失去AI的人们将不得不重新努力，建造新的“通天塔”。

对于有志于报考人工智能专业的你，需要了解：

人工智能的本质并非仅仅是编写代码、调整参数或使用Python进行数据可视化，它的核心在于统计学和数学。

你需要拥有扎实的基础，仅仅学习Python库是无法深入理解算法本质的。

要时刻保持学习的热情，对变体技术、多模态融合等前沿技术保持高度敏感。

如果妄图仅凭套用几个模型就能确保未来生活无忧，那恐怕只会沦为笑柄。

温馨提示

面对如此热门的专业，我们仍需保持冷静。

AI的最终形态或许是通用人工智能（AGI），但在当前阶段，更应关注“AI+行业”的实际应用落地。

李开复在2024年11月指出，AI行业的盈利状况存在严重失衡，基础设施的提供商如英伟达占据了超过90%的利润，而那些需要利用AI改造世界的应用开发者却几乎未能获得利润。

一个健康的生态系统应该是完全相反的，最贴近用户的应用开发者应该赚取90%的利润，而基础设施提供商则赚取剩余的10%。

附上2025年面向河北物理组考生，开设区块链工程专业的高校名单及录取分数线