🤖 C1-0-2 AI的原理与发展

知识点体系逻辑图 · AI启蒙课第二讲 · 从"会算"到"会学"

🎯 AI的原理与发展
AI = 算法 + 数据 + 算力 · 计算机能力的第五次升级

🕰️ AI发展时间线(三起两落)

1950
图灵测试:图灵提出"机器能不能思考",设计"模仿游戏"。
1956
达特茅斯会议:麦卡锡首次命名"人工智能(AI)",AI正式诞生。
1974
第一次AI寒冬:电脑太慢太贵,经费被砍,AI被冷落。
1980s
专家系统黄金期:把专家知识写成"如果…就…"规则,日本搞第五代计算机。
1987
第二次AI寒冬:专家系统太脆弱,钱又撤了。
1997
深蓝战胜国际象棋冠军卡斯帕罗夫:AI在棋类上首次战胜人类顶尖。
2012
AlexNet 深度学习爆发:大学生卧室用两块游戏显卡,图像识别碾压全场。
2016
AlphaGo 4:1 战胜李世石:"神之一手"成人类对AI最著名的反击。
2022
ChatGPT 发布:5天100万用户,2个月破亿,AI走进每个人手机。
2024
诺贝尔物理学奖颁给AI:霍普菲尔德和辛顿获奖,第一次颁给AI(GESP真题)。

👥 AI领域关键人物

阿兰·图灵
计算机科学之父 · 人工智能之父
英国数学家,1950年提出图灵测试;1966年ACM设"图灵奖"纪念他(计算机界诺贝尔奖)。
约翰·麦卡锡
AI之父
1956年达特茅斯会议发起者,首次命名"人工智能",目的是"把旗子钉到桅杆上"。
马文·明斯基
MIT AI实验室创始人
达特茅斯会议核心成员,推动了早期神经网络研究。
杰弗里·辛顿
深度学习之父
AI寒冬里坚持研究神经网络几十年;2018图灵奖、2024诺贝尔物理学奖;2023年辞职公开警告AI风险。
Alex(AlexNet)
卧室革命
辛顿的学生,2012年在父母卧室用两块游戏显卡训练出AlexNet,引爆深度学习。
OpenAI/奥特曼
ChatGPT团队
走"喂互联网文字、猜下一个字"路线,2022年发布ChatGPT,让大模型走进每个人手机。

🔧 AI硬件对比:CPU vs GPU vs TPU/NPU

芯片比喻结构特点擅长代表产品
CPU全能教授核心少,一次做一道难题复杂逻辑、开软件、操作系统Intel i7、苹果M系列
GPU一万个小学生同时做题核心多,海量并行简单计算AI训练绝对主力RTX 4090、A100、H100(约22万一张)
TPUGoogle的口算专用教室只做AI矩阵乘法Google自家训练大模型Google TPU v5
NPU手机里的AI小橡皮擦小而省电人脸解锁、拍照美颜等轻量AI推理华为昇腾、苹果神经引擎

💡 记忆:CPU=教授(1个),GPU=一万个小学生,TPU=专用教室,NPU=随身小橡皮。国产代表:华为昇腾、寒武纪思元、百度昆仑芯。

🧠 AI原理图解:神经网络简图

数据从左边输入,经过一层层神经元(每一层都为下一层提炼更高级的信息),最后右边输出判断结果。"深度"就是层数很多的意思。

输入层(像素)
→
隐藏层1(边缘)
→
隐藏层2(形状)
→
隐藏层3(猫脸)
→
输出层(是猫?)

🔄 训练 vs 推理(毕业前 vs 毕业后)

🏫 训练(上学读书)

① 准备数据(发课本)
↓
② 搭空脑袋模型
↓
③ 看题→猜→对答案→改错,重复几百万次
↓
④ 期末考试(测试)

很慢、很费电、需要很多GPU

💼 推理(毕业上班)

⑤ 给一张从没见过的新照片
↓
神经网络立刻做几十亿次乘加
↓
输出:"这是猫!" ✅

很快,手机上的小NPU就能做

🍳 机器学习三要素:算法 + 数据 + 算力

📖
算法(菜谱)
神经网络结构等。没有菜谱不知道怎么做菜。
🍚
数据(米)
海量图文文章。巧妇难为无米之炊,GPT-3读了3000亿个词。
🔥
算力(灶台锅)
GPU/TPU/NPU。没有灶台锅,再多米也炒不动。

🔗 AI与计算机关系总结

📌 AI没有魔法,它还是那个遵守"输入 → 处理 → 输出"的计算机。

📌 AI程序也是程序,只是"处理"方式变了:从"人一行行写规则"变成"从数据中学出来的规律"。

📌 AI用了计算机的三大能力:计算能力(GPU海量乘加)、存储能力(数据存硬盘/参数存在显存)、数据处理能力(清洗数据)。

📌 AI = 算法 + 数据 + 算力,三要素缺一不可。

📌 AI是计算机五大应用领域之一(科学计算、数据处理、过程控制、计算机辅助技术、人工智能)。

📌 AI是软件,没有身体——它能写作文、编剧本、写代码,但擦不了地板(GESP真题)。