AI 学习笔记

AI的三波浪潮

第一波：规则驱动（1950s-1980s）

AI的诞生期，研究者尝试通过编写规则让计算机模拟人类智能。代表性成果包括逻辑推理程序、专家系统等。但由于"知识获取瓶颈"——人类知识难以完全用规则表达——第一波浪潮逐渐退去。

第二波：数据驱动（1990s-2010s）

随着互联网的发展，海量数据开始积累，机器学习（特别是深度学习）成为AI的主流方法。代表性成果包括ImageNet竞赛中CNN的突破、AlphaGo战胜围棋世界冠军等。GPU的普及为深度学习提供了强大的算力支持。

第三波：大模型时代（2017-至今）

Transformer架构的提出开启了第三波浪潮。GPT、BERT等大语言模型展示了惊人的语言理解和生成能力。ChatGPT的发布标志着AI从"专用工具"走向"通用助手"，AI开始真正进入大众生活。

关键里程碑

时间	事件	意义
1950	图灵提出图灵测试	首次提出"机器能否思考"的判定标准
1956	达特茅斯会议	"人工智能"概念正式诞生
1997	深蓝战胜国际象棋冠军卡斯帕罗夫	AI首次在复杂棋类中战胜人类顶尖选手
2012	AlexNet在ImageNet竞赛中大幅领先	深度学习革命的起点，CNN引爆计算机视觉
2016	AlphaGo战胜围棋世界冠军李世石	强化学习的里程碑，AI攻克最复杂的棋类
2017	Google提出Transformer架构	开启大模型时代，奠定了GPT/BERT的基础
2022	ChatGPT发布	AI走向大众，两个月用户突破1亿
2023-2024	GPT-4、Claude 3、Gemini等多模态模型发布	AI进入多模态、Agent化时代

ChatGPT的影响

2022年11月30日，OpenAI发布ChatGPT，这是AI发展史上的一个转折点。

ChatGPT带来的变化

• 教育变革：AI成为学习助手，改变教学方式
• 工作方式：AI辅助写作、编程、分析，提升工作效率
• 产业升级：各行业开始探索AI应用场景
• 社会讨论：引发了关于AI伦理、就业、安全的广泛讨论
• 开源生态：推动了开源大模型（Llama、Qwen等）的快速发展

未来趋势

五大发展方向

• 通用人工智能（AGI）：从专用AI走向具备人类水平智能的通用AI
• 多模态融合：文本、图像、音频、视频的深度融合，实现更自然的交互
• AI Agent：从被动回答走向主动执行，AI成为能独立完成任务的"数字员工"
• 端侧AI：AI模型在手机、IoT设备等终端上运行，实现低延迟、隐私保护
• AI for Science：AI加速科学发现，如蛋白质结构预测、药物研发、材料科学

代码实践

以下代码使用matplotlib绘制AI发展史上的关键里程碑时间线，帮助你直观理解AI的发展历程。

import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
import numpy as np

# AI里程碑数据
milestones = [
    {"year": 1950, "event": "图灵测试提出", "wave": "规则驱动"},
    {"year": 1956, "event": "达特茅斯会议\nAI概念诞生", "wave": "规则驱动"},
    {"year": 1997, "event": "深蓝战胜\n国际象棋冠军", "wave": "数据驱动"},
    {"year": 2012, "event": "AlexNet\n深度学习革命", "wave": "数据驱动"},
    {"year": 2016, "event": "AlphaGo战胜\n围棋世界冠军", "wave": "数据驱动"},
    {"year": 2017, "event": "Transformer\n架构提出", "wave": "大模型时代"},
    {"year": 2022, "event": "ChatGPT发布\nAI走向大众", "wave": "大模型时代"},
    {"year": 2023, "event": "GPT-4/Claude 3\n多模态爆发", "wave": "大模型时代"},
]

# 三波浪潮的颜色
wave_colors = {
    "规则驱动": "#4299e1",
    "数据驱动": "#48bb78",
    "大模型时代": "#ed8936",
}

# 创建图形
fig, ax = plt.subplots(figsize=(14, 7))

# 绘制时间线主轴
years = [m["year"] for m in milestones]
ax.plot(years, [0]*len(years), color="#2d3748", linewidth=3, zorder=1)

# 绘制每个里程碑
for i, m in enumerate(milestones):
    year = m["year"]
    color = wave_colors[m["wave"]]

    # 交替上下显示
    y_offset = 0.4 if i % 2 == 0 else -0.4

    # 绘制连接线
    ax.plot([year, year], [0, y_offset*0.7], color=color, linewidth=2, zorder=2)

    # 绘制圆点
    ax.scatter(year, 0, s=150, c=color, zorder=3, edgecolors="white", linewidth=2)

    # 添加事件文本
    ax.text(year, y_offset, m["event"], ha='center', va='center' if y_offset > 0 else 'center',
            fontsize=9, fontweight='bold',
            bbox=dict(boxstyle='round,pad=0.4', facecolor=color, alpha=0.15, edgecolor=color))

    # 添加年份标签
    ax.text(year, -0.08 if y_offset > 0 else 0.08, str(year), ha='center',
            fontsize=10, fontweight='bold', color="#2d3748")

# 添加三波浪潮的背景区域
ax.axvspan(1945, 1985, alpha=0.08, color=wave_colors["规则驱动"], label="规则驱动")
ax.axvspan(1985, 2015, alpha=0.08, color=wave_colors["数据驱动"], label="数据驱动")
ax.axvspan(2015, 2026, alpha=0.08, color=wave_colors["大模型时代"], label="大模型时代")

# 设置图形属性
ax.set_xlim(1945, 2026)
ax.set_ylim(-0.8, 0.8)
ax.set_title('AI发展简史：关键里程碑时间线', fontsize=16, fontweight='bold', pad=20)

# 隐藏坐标轴
ax.set_yticks([])
ax.spines['left'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)

# 添加图例
legend_patches = [mpatches.Patch(color=c, label=w, alpha=0.6) for w, c in wave_colors.items()]
ax.legend(handles=legend_patches, loc='upper left', fontsize=10)

plt.tight_layout()
plt.show()
  

通过这个代码实践，你可以：

1. 学习如何用matplotlib绘制时间线图表
2. 理解AI发展的三波浪潮和关键节点
3. 掌握数据可视化的基本技巧（散点、文本标注、背景色块）