3. 1997年：深蓝“打脸”人类，却没救了AI

1997年，IBM的超级计算机“深蓝”以3.5:2.5击败了国际象棋世界冠军卡斯帕罗夫，全世界都炸了——这是人类第一次在顶级智力游戏上输给机器。但其实深蓝没那么“智能”，它就是靠每秒算2亿步的速度，把所有可能的走法都列出来选最优解，本质是“暴力计算”，不是真的“会下棋”。

所以深蓝的胜利没让AI热起来，反而让大家觉得“AI就是堆算力”。不过这十年里，AI悄悄换了赛道：从“人工写规则”变成了“让机器自己学”，也就是“机器学习”。支持向量机、贝叶斯网络这些算法开始流行，语音识别、数据分类能用了，只是还没到让人眼前一亮的程度。这时候的AI，就像在默默攒技能的“学徒”，等着机会爆发。

三、2006-2012：三要素集齐，AI“开窍”了

1. 深度学习的“三板斧”：数据、算力、算法

AI真正的转折点在2006年，辛顿正式提出“深度学习”概念——简单说就是用更深层的神经网络，让机器像人一样“从数据里学知识”。但光有概念不够，得有“三板斧”才管用：

第一是“海量数据”。互联网普及后，照片、文本、语音全变成了数字，比如你发的朋友圈、拍的照片，都成了AI的“练习题”。2009年，李飞飞团队搞了个“ImageNet”项目，找了1500万张图片，标上“猫、狗、汽车”等标签，相当于给AI准备了“看图识字大全”。

第二是“强大算力”。以前训练神经网络像用“自行车拉货”，2000年后GPU（图形处理器）派上了用场。GPU本来是玩游戏用的，擅长并行计算，训练神经网络的速度一下子快了几百倍，相当于把“自行车”换成了“卡车”。后来谷歌还造了专门的TPU芯片，算力更猛。

第三是“好用算法”。辛顿的“深度信念网络”解决了深层网络“学不会”的问题，杨立昆的卷积神经网络擅长“看图像”，还有循环神经网络擅长“读文本”。这三个要素凑齐，AI就像打通了“任督二脉”。

2. 2012年：AlexNet一战封神，深度学习爆发

2012年的ImageNet竞赛成了转折点。辛顿的学生亚历克斯用“AlexNet”模型参赛，把图像识别错误率从26%降到15%，比第二名整整低了11个百分点——这在以前根本不敢想。

AlexNet的秘诀很简单：用了8层神经网络，靠GPU加速训练，还会“数据增强”（比如把图片翻转、裁剪，造出更多练习题）。它的成功证明了深度学习能搞定“看东西”这个大难题，从此传统算法被彻底淘汰，所有AI公司都开始搞深度学习。这一年，算是AI的“成人礼”，终于从“学徒”变成了“高手”。

四、2013-2020：AI“闯关升级”，打败人类高手

1. 2016年：AlphaGo下赢围棋，人类“最后的智力堡垒”破了

2016年，谷歌DeepMind的AlphaGo和围棋世界冠军李世石对战，4:1获胜，这比深蓝赢国际象棋震撼多了——围棋有10的170次方种走法，比宇宙中的原子还多，根本没法“暴力计算”。

AlphaGo的厉害之处在于“会思考”：它用深度学习“看棋盘”，用“蒙特卡洛树搜索”选走法，还通过和自己下棋几百万盘“积累经验”。对战中，它下出第78手“天外飞仙”，连李世石都看懵了，因为这步棋完全跳出了人类棋谱。更牛的是它的升级版AlphaZero，从零开始学围棋，36小时就打败了所有前辈，相当于“闭关36小时，直接拿世界冠军”。

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。

这章没有结束，请点击下一页继续阅读！