2025年是人工智能爆發(fā)的一年，《人工智能+行動意見》的發(fā)布，多家頂級大廠大模型相繼開源，AI已經(jīng)悄悄的流竄在我們生活的各個角落，查信息用AI、剪視頻用AI、辦公用AI等等。

當(dāng)GPT-5能寫出科研論文，智能體能協(xié)助人類進行辦公時，人工智能早就已經(jīng)不是人們早期假想的科幻概念。

但鮮有人知的是，從機器能否思考的哲學(xué)追問，到今天千億參數(shù)的模型，人類其實走了整整75年。

通過這篇文章我將帶你穿越AI發(fā)展史，同時科普部分人工智能行業(yè)的淺顯知識，帶你快速了解現(xiàn)如今最前沿的科技領(lǐng)域。

AI的前世今生，從1950年到2025年

——人工智能萌芽期（1950年-1970年）

1950年，英國科學(xué)家艾倫·圖靈，在《計算機器與智能》論文中提出圖靈測試概念?，首次定義了機器智能，他也被人們稱為人工智能之父。

1956年，美國漢諾威鎮(zhèn)舉行的達特茅斯會議，麥卡錫第一次提出了人工智能（AI）概念，同時，也推動了人工智能成為了獨立學(xué)科。

1970年，斯坦福大學(xué)教授特里威諾格拉德，研發(fā)SHRDLU系統(tǒng)，能在特定環(huán)境中執(zhí)行命令，進行交互，預(yù)示著人工智能在自然語言處理領(lǐng)域中的重要突破。

然而，早期的人工智能發(fā)展受限于計算能力，計算機系統(tǒng)還只能處理特定任務(wù)，所以無法進行大規(guī)模推廣和應(yīng)用，人工智能也陷入了一段平穩(wěn)期，其實也可以說是一段寒冬期。

——機器學(xué)習(xí)崛起（1997年-2017年）

1997年，IBM公司的象棋計算機“深藍”，在比賽中打敗了國際象棋冠軍，證明機器智能擁有著強大的潛力。

2006年，英國科學(xué)家辛頓，首次提出了深度學(xué)習(xí)概念，通俗來講就是讓計算機通過多層次神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，能夠模仿人類大腦進行學(xué)習(xí)。

2012年，AlexNet在ImageNet圖像識別大賽中，將錯誤率從25.8%降低至15%，深度學(xué)習(xí)在圖像識別領(lǐng)域?qū)崿F(xiàn)了重大突破。

2017年，Google團隊通過論文提出了Transformer架構(gòu)，為后續(xù)的大模型研發(fā)奠定了基礎(chǔ)。

——大模型爆發(fā)（2018年-至今）

2018年，OpenAI發(fā)布GPT-1，成為基于Transformer架構(gòu)用于語言生成的模型。2年后，也就是2020年，GPT-3上線，展現(xiàn)了少樣本學(xué)習(xí)的能力，代表著AI在語言生成、多任務(wù)處理等方面重大突破。

2022年，ChatGPT上線，通過RLHF技術(shù)，讓模型能理解人類的想法，上線后，全球用戶量瞬間激增，也是人工智能第一次廣泛的被大眾熟悉和使用。

2024年，我國深度求索公司，上線6710億參數(shù)的DeepSeek-V3，訓(xùn)練成本極低，而且性能不輸同期主流模型，成為國內(nèi)大模型發(fā)展的標(biāo)志性突破。

2025，全球大模型迎來了開源潮，國外Meta、谷歌等科技公司相繼開源LLaMA-3、Gemini-Pro等主流模型，國內(nèi)科技大廠如字節(jié)跳動、華為等也逐步推出全參數(shù)開源模型，大模型的技術(shù)迭代、產(chǎn)業(yè)落地全面加速。

了解完AI的前世今生后，相信你應(yīng)該對人工智能已經(jīng)有了一個基礎(chǔ)的概念，接下來我將帶你普及一些大模型的基礎(chǔ)知識，加深你對大模型的概念。

1.大模型：通過海量數(shù)據(jù)進行訓(xùn)練，能夠理解人類語言，生成內(nèi)容，跨領(lǐng)域解決問題。

3.大模型參數(shù)：一般以億（B）為單位，類似于人類大腦的腦細胞，參數(shù)越多，學(xué)習(xí)能力越強，知識越豐富。

4.Token:模型處理文本的最小單位， 1000Token約等于750個單詞或500個漢字，Token數(shù)量決定模型記住上下文的長度，記住的越多，越擅長長本文分析。

5.Transformer架構(gòu)：能夠讓大模型在處理文本時像人類一樣劃重點，比如讓它分析：小貓追老鼠，它累了，模型能通過自注意力定位“它”指的是小貓。

6.多模態(tài)：早期的人機交互方式很單一，比如只能通過文字交互，輸入一段文字，機器回復(fù)一段文字，多模態(tài)能夠同時處理文本、圖片、音頻、視頻等，交付方式比較豐富。

7.預(yù)訓(xùn)練：通過文本、書籍等多種方式讓模型全量吸收數(shù)據(jù)，掌握基礎(chǔ)的知識，但不精通專業(yè)技能。

8.微調(diào)：通過更新部分參數(shù)或用標(biāo)注數(shù)據(jù)訓(xùn)練模型，讓模型在某個行業(yè)或者領(lǐng)域更加專業(yè)，如農(nóng)業(yè)領(lǐng)域，醫(yī)療領(lǐng)域等。

9.對齊優(yōu)化：通過RLHF（人類反饋強化學(xué)習(xí)），先讓人類給模型回答打分，再用分?jǐn)?shù)訓(xùn)練模型，減少大模型胡說八道（幻覺），讓模型輸出符合人類價值觀的內(nèi)容。

10.RAG（檢索增強生成）：讓AI先檢索知識，再進行回答，比如向AI提問，JDD大會有哪些產(chǎn)品發(fā)布？這時AI會先搜索資料，結(jié)合檢索結(jié)果進行回答。

11.智能體（Agent）：能夠自主理解任務(wù)、規(guī)劃步驟、調(diào)用工具的AI 機器人。比如你讓它定一杯咖啡，它能夠自動選店、確認偏好，同時調(diào)用支付系統(tǒng)進行支付。

12.提示詞（Prompt）: 通過精準(zhǔn)提問,讓模型輸出優(yōu)質(zhì)的結(jié)果，如讓AI寫一個文案，不僅僅說寫個文案，而是說寫母嬰產(chǎn)品朋友圈文案，突出安全材質(zhì)，語氣親切。也就是讓AI更懂你的場景和要求。

講了這么多，相信你對人工智能大模型已經(jīng)有了一個基本的認知，如果還有哪些好的想法和疑問，也可以留言互相探討！