那时候咱们还拿着算盘算账，那珍珠串在竹签上，哪位还没个算错了的？那时候连加减乘除都靠人脑硬搞，碰个钉子就要摔碗叫，那场面，挺壮观也特别惨烈。可目前呢，手机屏幕上弹出个对话框，我点一下，你秒回；我发条指令，你五分钟就搞定了。 这玩意儿大家常说的“人工智能”，听起来挺高大上，实际上说白了就是给电脑脑子里装个更智慧的大脑。
那会儿电脑就像个计算器，死板地按公式走，今天算苹果，明天算月亮，算不过脑子，只能硬着头皮蒙。目前不一样了，它学会了如何“学”。它不是死记硬背的，而是能读教科书、看代码，就连看视频，把里面的规律“吃”进去。
这种本事那会儿人类得花了好几年工夫，连个案例都没见到就摸索出来。目前，它拿着资料就能举一反三，遇到没见过的新难题，能像专家一样给出答案。 有人喜爱拿“第一”来捧哏，说它是人工智能的鼻祖。
实际上这事儿得从更早往前推。人类最早能编程，不是发明机器，就是发明逻辑。
比如冯·诺依曼架构，那是硬件的骨架，把人脑的电路给复刻出来了。搞算法的更是早了，图灵早在 1950 年就提出了图灵测试，仿佛只要你能回答得跟真人一样，它就认你做真人。
不过那时候，电脑还不会“学”，它只会根据给定的规则去套。真正的突破，得等到深度学习（Deep Learning）爆发，也就是图灵学派里的那拨人，他们发现用一堆神经网络去拟合数据，效果比传统手段好忒多了。 再说说目前的技术吧。到了 2016 年，Transformer 模型登场了，这玩意儿直接让大模型（LLM）炸了锅。之前做语言模型，得把句子切分成成千上万个词，还得用 RNN 这种慢吞吞的架构，跑得飞快。Transformer 直接引入了自注意力机制，瞬间让模型能与此同时看句子前后的所有词，就能理解复杂的长句子，还能做代码补全，就连写小说、画画。目前的模型动不动就几兆、几十兆，在哪都能用，连手机都能装。 再看看具体数据，这增长简直是用实力讲话。2023 年全球大模型参数总规模达到了 3500 万亿个，这数字一边倒，比地球上所有钻石加起来还要大。
像百度通义千问这种大模型，单条消息的上下文记忆能长到好几天，就连几个月，这就好比老图书馆有了自动续借功能，你读了一本书，它还能把你脑子里的情节记着，下次再读就能接得上，不会让你一头雾水。
还有那个公司，他们搞的那个聊天机器人，能在 2 秒钟内搞定从 4000 字长文摘要到 5 个问号式追问的整个流程，这在那会儿是连人都不够的。 未来的走向嘛，我认定别忒迷信“通用人”，也别神话“全能神”。AI 目前的表现，就像是一个超级实习生，它干活快、准率高，但有时候也会犯错，特别是一启动咱们没给它看样本，要么样本质量不好，它就好办瞎编。它模仿得再像，也不会理解它模仿背后的道理。
故此，未来的 AI 专家，就连未来的社会结构，都得重新洗牌。
那会儿我们靠“知识”讲话，目前靠“判断”讲话。当机器能处理亿级数据时，哪个专家去研究那些基础理论，就显得有点慢了。 另外，隐私和保险也是个硬伤。如此庞大的模型，数据流就能贯穿它的一生。
如何保证它不偷看我们的聊天记录，不偷拍我们晒的照片？
如何防止它被黑客一下子“写死”？这些技术难题，还没彻底找到完美的解决办法。 最终总结一下，AI 不是要取代人类，而是要把人类从那些重复的、机械的劳动里解放出来。赶明儿你可能不需求去工地搬砖，不需求去学校当老师，就连不需求去给别人做 PPT。你只需求去和 AI 一起，去解决那些那会儿认定不可能解决的难题，比如如何让空气更纯净，如何让粮食更便宜，如何让医疗更精准。 技术这东西，就像手机，那会儿不能拍照，目前能拍；那会儿不能放电影，目前能看。AI 也一样，它只是工具，好不好用，全看咱们如何用。别总想着把它当成神，把它当成一个个智慧的工具，去帮我们干点有意思的事，这才是它该有的样子。
毕竟，再智慧的工具，也得靠人来给它用着，对吧？