吾看书

ai进化史：从“只会算题”到“能聊会画”，机器到底经历了什么？（第3页）

这时候大家才意识到，AI已经能处理“没有固定规则”的复杂问题，进入了“认知智能”阶段。

2. 2017年：Transformer架构，给AI装了“注意力放大镜”

2017年，谷歌发表了一篇论文《Attention is All You Need》（注意力就是一切），提出了“Transformer”架构——这是AI发展史上的“里程碑”，相当于给AI换了个更聪明的“大脑结构”。

以前的AI读文本是“从头读到尾”，比如读“王姐给闺蜜的男友的前任点了赞”，得一个个词捋，容易搞混关系。Transformer的“注意力机制”就像放大镜，能瞬间抓住“王姐”“闺蜜的男友的前任”这些关键角色，理清逻辑。而且它能并行处理数据，训练速度快了好几倍。

这个架构直接催生了后来的大语言模型，比如GPT、BERT，都是在它的基础上做的。可以说，没有Transformer，就没有今天的ChatGPT。

本小章还未完，请点击下一页继续阅读后面精彩内容！

3. 2020年：GPT-3横空出世，能写代码会写诗

2020年，OpenAI推出GPT-3，参数量达到1750亿——相当于给AI装了个“超级大脑”，里面存了海量的书籍、网页、代码。它的厉害之处在于“少样本学习”：不用专门训练，给几个例子就能干活。

比如让它把特朗普的讲话翻译成李清照的词风，它能立刻搞定；让它用《新华字典》里的生僻字写武侠小说，它也能编得有模有样；甚至给它个需求，它能直接写出Python代码。虽然偶尔会“一本正经地胡说八道”，但已经让人们看到了AI的潜力——这东西好像啥都会。

五、2022-2023：生成式AI爆发，走进普通人的生活

1. 2022年：ChatGPT刷屏，AI成了“全民助手”

2022年11月，OpenAI发布ChatGPT，彻底把AI从实验室拉到了普通人身边。它基于GPT-3.5，最大的特点是“会聊天”——不像以前的机器人只会答非所问，ChatGPT能理解上下文，比如你跟它说“帮我写封请假条，理由是陪老人看病”，它写完你说“改得正式点”，它能立刻调整，就像个真人助理。

更夸张的是它的增长速度：上线两个月用户破1亿，是史上增长最快的消费应用。学生用它写作业，程序员用它查bug，职场人用它写报告，甚至有人用它生成短视频脚本、改简历。这时候的AI，不再是遥远的技术，成了能随手用的“工具”。

2. 多模态AI：能看能听，还能“造世界”

ChatGPT火的同时，“文生图”AI也爆了。2022年，DALL·E 2、Stable Diffusion、Midjourney相继出现，你只要输入文字提示，比如“赛博朋克风格的故宫，下雨天，霓虹灯闪烁”，AI就能生成一张堪比插画师水平的图片。

到了2023年，OpenAI发布GPT-4，直接支持“文本+图像”输入——你给它拍张凌乱的书桌，说“帮我列个整理计划”，它能看懂图片，给出具体步骤；你给它看道数学题的图片，它能直接解题。谷歌、Meta也跟着发布PaLM 2、LLaMA等大模型，AI正式进入“群雄争霸”时代。

这时候的AI已经是“多面手”：能看（图像识别）、能听（语音识别）、能说（文本生成）、能画（图像生成），甚至能帮科学家预测蛋白质结构、通过律师考试。

3. 狂欢背后：AI的“麻烦”也来了

AI越厉害，问题也越多。首先是“造假”，深度伪造的视频、图片能以假乱真，比如伪造名人讲话、虚假新闻，让人难辨真假；其次是“版权”，AI学了全网的作品，生成的内容到底算谁的？插画师、作家担心自己丢工作；还有“偏见”，如果训练数据里有歧视内容，AI也会学坏，比如曾有人脸识别系统把黑人识别成“大猩猩”。