序章

当机器开始"思考"

从图灵的一个思想实验，到ChatGPT震撼世界；从被嘲笑的"人工智能"，到2026年AI Agent席卷全球。这不是一个直线上升的故事，而是一部充满寒冬与复兴、信念与怀疑的史诗。

一切始于一个问题

1950年，英国曼彻斯特大学的实验室里，36岁的艾伦·图灵正在撰写一篇论文。这不是普通的论文——它既没有复杂的数学公式，也没有实验数据，而是提出了一个哲学问题："机器能思考吗？"

图灵深知，直接回答这个问题会陷入定义的泥潭——什么是"思考"？什么是"机器"？于是他设计了一个巧妙的替代方案：图灵测试（Turing Test）。如果一台机器能够通过文字对话，让人类无法分辨它是机器还是人，那么就可以认为这台机器具有智能。

"我们只能看到未来很短的距离，但我们可以看到那里有很多事情需要完成。" —— 艾伦·图灵，《计算机器与智能》，1950年

这篇发表在《心智》（Mind）期刊上的论文《计算机器与智能》，被公认为人工智能领域的奠基之作。图灵不仅提出了测试标准，还预言了机器学习的核心思想：与其直接编程让机器下棋，不如让它自己学习如何下棋。他甚至估计，到2000年左右，机器将有30%的概率在5分钟的对话中骗过普通裁判。

图灵的预言惊人的准确。2000年尚未到来之前，1997年，IBM的深蓝就击败了国际象棋世界冠军；2014年，一个名为Eugene Goostman的聊天机器人真的骗过了33%的评委——尽管评委被告知对方是一个13岁的乌克兰男孩，这多少降低了难度。但图灵测试的精神，始终悬在人工智能领域的头顶。

一个夏天的诞生

1956年夏天，美国新罕布什尔州的达特茅斯学院，一场为期两个月的研讨会正在进行。组织者约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）、纳撒尼尔·罗切斯特（Nathaniel Rochester）和克劳德·香农（Claude Shannon）邀请了一批数学家和计算机科学家，讨论一个大胆的主题：如何用机器模拟人类智能。

麦卡锡为这次研讨会起了一个名字——"人工智能"（Artificial Intelligence）。这个词从此诞生。参与者的平均年龄不到30岁，但他们中的许多人后来成为了这个领域的奠基人。会议提案中写道："我们提议，基于这样的猜想——学习的每一个方面，或智能的任何其他特征，原则上都可以被精确描述，以至于可以用机器来模拟。"

这个猜想，至今仍是人工智能研究的根本信念。达特茅斯会议确立了符号主义AI的早期方向：通过逻辑规则和符号操作来模拟推理。赫伯特·西蒙（Herbert Simon）和艾伦·纽厄尔（Allen Newell）展示了"逻辑理论家"程序，能够自动证明数学定理。西蒙兴奋地宣称："我们已经发明了能够思考的机器。"

两次寒冬，两次复兴

人工智能的历史不是一条直线，而是波浪式的起伏。在最初的热情之后，这个领域经历了两次严酷的"AI寒冬"。

第一次寒冬发生在1970年代。1969年，马文·明斯基和西摩·帕珀特（Seymour Papert）出版了《感知机》（Perceptrons），从数学上证明了单层感知机无法解决XOR问题——一个简单的逻辑运算。这本书的影响被过度放大，许多人误以为它宣判了所有神经网络的死刑。再加上早期机器翻译项目的失败——美国自动语言处理咨询委员会（ALPAC）1966年的报告尖锐批评了机器翻译的进展——政府资助大幅缩减。

第二次寒冬在1980年代末至1990年代初。专家系统——基于规则的知识库——曾在医疗诊断、金融分析等领域风光无限。但维护这些系统成本高昂，知识获取成为瓶颈，且系统脆弱：一旦遇到规则之外的情况，就会完全失效。日本的第五代计算机项目未能达到预期，商业利益消退，AI再次进入低谷。

但寒冬中也有种子在萌芽。1986年，大卫·鲁梅尔哈特（David Rumelhart）、杰弗里·辛顿（Geoffrey Hinton）和罗纳德·威廉姆斯（Ronald Williams）发表了关于反向传播算法的里程碑论文，为训练多层神经网络提供了有效方法。只是当时计算资源匮乏，数据稀缺，这个突破要到二十多年后才真正绽放。

深蓝时刻：机器战胜了棋王

1997年5月11日，纽约。IBM的深蓝（Deep Blue）超级计算机在国际象棋的六局比赛中，以3.5比2.5击败了 reigning 世界冠军加里·卡斯帕罗夫（Garry Kasparov）。这是人工智能历史上最具标志性的一刻。

深蓝不是通过"学习"来下棋的。它是一台专用超级计算机，配备30个IBM RS/6000处理器和480个定制VLSI象棋芯片，每秒能评估2亿个棋局位置。它的核心算法是暴力搜索加上精心调优的评估函数——由国际象棋大师和程序员团队手工编写的规则，用来判断一个局面的优劣。

卡斯帕罗夫在第二局中认输后，怀疑有人类棋手干预了深蓝的走法——因为机器走出了"太有创意"的一步。后来他承认，这是心理战术崩溃的开始。深蓝的胜利是计算力的胜利，是专用硬件和搜索算法的胜利，但它并不"理解"国际象棋。它不知道什么是"王"，什么是"将死"，它只是在庞大的搜索空间中寻找最优解。

这场胜利的意义是双重的。一方面，它证明了机器可以在复杂的智力任务上击败最优秀的人类；另一方面，它也暴露了当时AI的局限——深蓝不能下棋之外任何事情，不能学习其他游戏，不能将知识迁移。它是智能的模拟，而非智能本身。

ImageNet 与深度学习的黎明

2009年，斯坦福大学的李飞飞（Fei-Fei Li）教授发布了ImageNet数据集。这是一个包含超过1400万张图片、涵盖2万多个类别的巨大数据库。更重要的是，从2010年开始，ImageNet举办了年度大规模视觉识别挑战赛（ILSVRC），成为计算机视觉领域的奥林匹克。

2012年，一切改变了。多伦多大学的亚历克斯·克里泽夫斯基（Alex Krizhevsky）、伊利亚·苏茨克弗（Ilya Sutskever）和杰弗里·辛顿（Geoffrey Hinton）提交了一个名为AlexNet的卷积神经网络。他们的结果震惊了整个领域：错误率仅为15.3%，而第二名的传统方法错误率高达26.2%。这是一个10.9个百分点的巨大差距，在计算机视觉领域前所未见。

AlexNet的成功不是偶然的。它集合了几个关键要素：深度卷积神经网络架构、ReLU激活函数加速训练、GPU并行计算、以及Dropout防止过拟合。辛顿团队使用了两块NVIDIA GTX 580显卡——这原本是用于游戏的高端显卡——却意外成为了深度学习的基础设施。

2012年被称为"深度学习元年"。从此，神经网络不再是教科书上的历史注脚，而是成为了AI研究的主流范式。ImageNet竞赛的错误率在接下来的几年里持续下降，2015年，微软研究院的ResNet系统错误率降至3.57%，首次超越了人类平均水平（约5%）。

AlphaGo：直觉与计算的统一

围棋，这个诞生于中国的古老棋类游戏，曾被认为是人工智能难以攻克的最后堡垒。围棋的搜索空间约为10^170，远超宇宙中所有原子的数量（约10^80）。传统的暴力搜索在这里完全失效。

2016年3月，韩国首尔。Google DeepMind开发的AlphaGo与围棋世界冠军李世石进行五局比赛。全世界数千万人观看了直播。AlphaGo以4比1获胜，但比结果更震撼的是过程。

第二局，AlphaGo在第37手走出了一个"人类绝不会下"的落子——它不是人类棋谱中常见的大路棋，而是"肩冲"在五路。解说员和职业棋手最初认为这是一步失误，但后续发展证明这是全局最优的妙手。后来AlphaGo的自我对弈版本AlphaGo Zero完全通过自我对弈学习，不需要任何人类棋谱，最终达到了超越所有前辈的水平。

AlphaGo结合了深度神经网络和蒙特卡洛树搜索。它的"策略网络"学习人类高手的下棋直觉，"价值网络"评估局面的优劣。这不是纯粹的计算，也不是纯粹的直觉，而是两者的融合。李世石在第四局下出了被称为"神之一手"的78手，一度让AlphaGo陷入混乱——这是人类创造力在极限时刻的闪光。

GPT 革命：语言的大爆炸

2017年，Google的研究团队发表了一篇名为《Attention Is All You Need》的论文，提出了Transformer架构。这彻底改变了自然语言处理的面貌。Transformer通过"注意力机制"让模型能够处理长距离依赖，且可以高度并行计算。这个架构成为了后续所有大型语言模型的基础。

OpenAI敏锐地抓住了这一机遇，开始了一条"大力出奇迹"的路线：

ChatGPT的发布是一个文化事件。它不仅让AI走出实验室，走进了普通人的生活，还引发了一场全球性的AI竞赛。Google紧急发布Bard，微软将GPT-4整合进Bing和Office，百度发布文心一言，阿里发布通义千问，中国、欧洲、中东的AI创业公司如雨后春笋般涌现。

2026：AI Agent 的爆发

到了2026年，AI已经不再是简单的聊天机器人。AI Agent——能够自主规划、使用工具、执行多步骤任务的智能体——正在成为新的主流范式。这些Agent可以浏览网页、编写代码、制作表格、发送邮件，甚至与其他Agent协作完成复杂的项目。

从2024年开始，以AutoGPT、BabyAGI为代表的早期Agent框架展示了AI自主行动的可能性。到了2026年，Agent的能力已经大幅提升：它们能够进行多轮反思、自我纠错、长期记忆管理，并在特定领域达到专业水平。OpenAI的Operator、Anthropic的Computer Use、Google的Project Mariner——科技巨头们纷纷推出自己的Agent产品。

Agent的爆发提出了一个深刻的问题：当AI不仅能回答问题，还能自主行动时，我们如何定义"思考"？Agent的决策过程涉及目标分解、工具选择、错误恢复——这些看起来很像人类的问题解决策略。但它们是真正的理解，还是复杂的模式匹配？

核心之问：AI 真的在"思考"吗？

让我们回到图灵的问题："机器能思考吗？"经过七十余年的发展，我们仍然没有确定的答案——部分是因为"思考"本身难以定义，部分是因为AI的表现越来越模糊了人与机器的界限。

反对者会说：AI只是"随机鹦鹉"（Stochastic Parrot）——它不理解自己在说什么，只是在统计意义上预测下一个最可能的词。2021年，Timnit Gebru、Emily Bender等学者发表的论文《On the Dangers of Stochastic Parrots》引发了激烈争论。他们指出，大型语言模型只是对训练数据的概率性重组，缺乏真正的理解、意识和意图。

支持者则反驳：人类的思维难道不也是模式匹配吗？我们的大脑由860亿个神经元组成，通过电化学信号传递信息。如果我们接受人脑能产生思维，为什么同样基于数学运算的神经网络就不能？哲学家丹尼尔·丹尼特（Daniel Dennett）认为，如果某个系统表现得像是理解了，那么在没有更好解释的情况下，我们就应该认为它确实理解了。

更深层的哲学问题是：什么是"理解"？约翰·塞尔（John Searle）的中文房间思想实验设想，一个人在不理解中文的情况下，按照规则手册处理中文符号，可以完美地与外界用中文对话。这个人在"模拟"理解，但并未真正理解。AI是否只是更大、更复杂的中文房间？

全书导览：我们如何理解 AI 的"思考"

本书不试图给出一个简单的"是"或"否"的答案。相反，我们将深入AI技术的内部，理解它究竟是如何工作的——从数学原理到工程实现，从历史脉络到未来趋势。我们相信，只有理解了"机器如何思考"，才能对"机器是否在思考"做出有根据的判断。

第一章将回到起点，探索神经网络——这个模仿大脑结构的数学模型。我们会理解神经元如何加权求和、激活函数为何需要非线性、反向传播如何让网络学习。我们会看到，从1943年McCulloch-Pitts模型到今天的深度网络，这个领域为何花了八十年才真正成功。

第二章将聚焦于深度学习革命——数据、算力和算法的三重奏。我们将理解卷积神经网络如何"看懂"图像，循环神经网络如何理解序列，以及为什么GPU这种为游戏设计的硬件会成为AI的基础设施。我们也会直面深度学习的局限：黑盒特性、数据饥渴和泛化难题。

第三章将剖析Transformer——这个2017年诞生的架构如何颠覆了自然语言处理，并催生了GPT、BERT等现代大模型。我们会理解注意力机制的直觉，Query-Key-Value的查询过程，以及为什么并行计算能力让Transformer如此强大。

人工智能的故事仍在继续。每一天，新的论文、新的模型、新的应用都在涌现。但无论技术如何变化，核心问题始终不变：我们创造了什么？我们理解它吗？我们希望它走向何方？

让我们开始这段旅程，去理解AI是如何思考的。