AI 简史：人类 6 次改变教机器的方法，从手写规则到会推理的 AI

2026年10月9日

AI 的历史，是人类用 70 多年不断改变"如何教会计算机"的故事。最初，工程师亲手写下每一条规则。如今，机器先从数万亿个词中自己学习，再由人来打分，并通过练习学会一步一步思考。看懂这段历程，你就会明白 ChatGPT 和 Claude 为什么这么强，又为什么仍然会出错。

如果你刚接触 AI，可以先读一读 AI 是什么，新手也能看懂的解释。

用生活中的例子快速理解

想象你在六个不同时期教一个学徒煮汤面：

给他一本详细的规则手册："水开了就调小火，咸了就加水。"一遇到手册里没写的情况，学徒就不知所措。
让他尝很多碗，但由你指出要注意什么：汤清不清、肉嫩不嫩。他自己总结哪碗好吃。
让他尝非常多碗，什么都不提示：他自己发现一碗好面的关键在哪里。
先让他读遍世界上所有的菜谱，然后才进厨房。
请主厨给每一碗打分：这碗客人喜欢，那碗还要改进。
给他有标准答案的练习题，叮嘱"动手前先一步步想清楚"，再给他秤和温度计等工具。

这六种教法，几乎正好对应了构建 AI 模型的六个阶段。

构建 AI 的方式是如何演变的

1. 手写规则（20 世纪 50 年代至 80 年代）

1950 年，艾伦·图灵提出了"机器能思考吗？"这个问题。1955 年，四位科学家（约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗切斯特、克劳德·香农）为 1956 年在美国达特茅斯学院举办的夏季研讨会写了一份提案。人们普遍认为，**"artificial intelligence"（人工智能）**这个词就出自这份提案。

当时的做法是：工程师访谈专家，把知识写成成百上千条**"如果……就……"的规则，这叫做专家系统**。例如斯坦福大学在 70 年代开发的 MYCIN，用大约 600 条规则识别引起血液感染的细菌并推荐抗生素。

弱点在于：世界充满例外。规则越多越难修改，一遇到不寻常的情况就失灵。期望落空后，研究经费被削减，研究者把这段时期称为 "AI 寒冬"。

与此同时，另一个当时不太被看好的方向在成长：神经网络。1958 年，弗兰克·罗森布拉特造出了感知机（Perceptron），它从例子而不是规则中学习分类。1986 年，大卫·鲁梅尔哈特、杰弗里·辛顿和罗纳德·威廉姆斯推广了一种训练多层网络自我纠错的方法（反向传播：猜错了就往回追查是哪一部分导致错误，再加以调整）。想法很好，但当时的计算机太弱，数据也太少。

2. 从数据中学习，由人决定看哪里（20 世纪 90 年代至 21 世纪初）

人们不再写规则，而是给机器大量带有答案的例子，这就是机器学习。机器自己算出每个信号有多重要。

但人仍然要事先决定机器该看哪里。比如垃圾邮件过滤器：工程师让它统计"免费"这类词出现的次数、链接数量、大写字母多少。信号选得对，效果就好；选错了，效果就差。那个年代的垃圾邮件过滤和商品推荐大多是这样工作的。

3. 深度学习：机器自己找到该看哪里（2012 年起）

转折点出现在 2012 年。辛顿团队带着一个名为 AlexNet 的大型神经网络参加了 ImageNet 图像识别比赛（训练集有一百多万张标注图片）。AlexNet 的错误率只有 15.3%，而第二名是 26.2%。它是用两块游戏显卡（GPU）训练了五六天完成的。

新在哪里：没有人告诉 AlexNet"去看眼睛和鼻子"。前面的层自己学会识别线条和颜色，后面的层把它们组合成形状，再组合成物体。成功的公式是 大网络 + 大数据 + GPU。2016 年，DeepMind 的 AlphaGo 以 4 比 1 战胜围棋棋手李世石，靠的是深度学习加上与自己对弈数百万局。

坚持这条路的人得到了应有的认可：2018 年图灵奖授予辛顿、杨立昆和约书亚·本吉奥，2024 年诺贝尔物理学奖授予约翰·霍普菲尔德和杰弗里·辛顿。

4. Transformer 与海量文本预训练（2017 年至 2020 年）

2017 年，谷歌发表论文《Attention Is All You Need》，提出了 Transformer 架构。简单说：模型一次读完整个句子，每个词都会"关注"和它相关的词。这种方式非常适合在 GPU 上并行计算，因此可以用海量文本来训练。

再加上一个巧妙的方法：通过预测下一个词来进行预训练。网络上的文本本身就包含答案，不需要任何人标注。具体机制可以看大语言模型 LLM 是什么。

随后人们发现：模型越大、数据越多、算力越强，模型就越好，而且提升幅度可以预测。GPT-2（2019）有 15 亿个参数，GPT-3（2020）达到 1750 亿个。参数就是模型内部在学习过程中不断调整的"旋钮"。

5. 用人类反馈教会模型"做人"（2022 年）

只会预测下一个词的模型往往答非所问、东拉西扯。2022 年，OpenAI 发布了 InstructGPT，训练分三步：

人工为各种请求写出示范回答，让模型模仿。
人工给模型的多个回答从好到差排序。
模型继续训练，努力在这种排序下得到高分。这叫 RLHF（基于人类反馈的强化学习）。

结果出人意料：评估人员更喜欢 13 亿参数的 InstructGPT，而不是 1750 亿参数的 GPT-3，尽管前者小了 100 多倍。同年年底，ChatGPT 问世。开发 Claude 的 Anthropic 公司还提出了 Constitutional AI（宪法式 AI）：写下一套原则，让 AI 依据这些原则批评并修改自己的回答。想了解如何在现有模型上继续训练，可以看 Fine-tuning 是什么。

6. 教会推理与行动（2024 年至今）

2024 年 9 月，OpenAI 发布了 o1，一个被训练成先一步步思考再回答的模型。2025 年 1 月，DeepSeek 发布了 R1（后来发表在《自然》杂志上）：他们让模型做数学题，答对就给奖励。没有人教它该怎么想，它却自己养成了检查和纠错的习惯。

这个阶段的关键是答案可以验证的练习题：有正确结果的数学题、能通过测试的代码。机器可以练习数百万次，而不需要人逐题打分。模型还被训练去使用工具、连续完成多个步骤，这正是 AI 智能体（AI agent）的基础。

阶段	最难的部分由谁完成	典型例子
手写规则	工程师写每一条规则	MYCIN
机器学习	人选信号，机器算权重	垃圾邮件过滤
深度学习	机器从标注数据中自己找信号	AlexNet、AlphaGo
Transformer + 预训练	机器从无标注文本中学习	GPT-3
人类反馈	人给回答打分	InstructGPT、ChatGPT
推理 + 行动	机器用可验证的题目自我练习	o1、DeepSeek R1

这对你意味着什么

AI 是从数据中学习的，不是在查字典。 它给出听起来最合理的回答，所以有时会非常自信地编造内容。数字、人名和引文要再核对一遍。延伸阅读：AI 幻觉是什么。
模型被训练成遵循指令，所以要求越清楚，结果越贴近。与其说"写一篇关于咖啡的文章"，不如说"写一篇 300 字的文章介绍大叻的一家书店咖啡馆，语气亲切，结尾邀请读者来坐坐"。
"长时间思考"模式来自第 6 阶段。 遇到难题、多步骤分析、修代码时打开它。简单问题用普通模式更快也更便宜。可以参考推理模式贵 500 倍，该怎么用。

常见误解

"AI 是有了 ChatGPT 才出现的。" 错。AI 已经有 70 多年历史。ChatGPT 是深度学习、Transformer、预训练和人类反馈共同的成果。
"人们给 AI 预先写好了每一个答案。" 错，那是 70 年代的做法。如今人类设计的是模型如何学习并挑选数据，每个回答都是模型自己生成的。
"把模型做大就够了。" 不完全对。规模帮助很大，但小 100 倍的 InstructGPT 反而更受欢迎，近年的很多飞跃来自预训练之后的训练：人类反馈、推理练习和工具使用。