导论：走进人工智能
人工智能（Artificial Intelligence, AI）是当今世界最激动人心、也最具争议的科技浪潮。过去十年，它从实验室里的论文变成了你手机里的语音助手、写作工具、图像生成器和自动驾驶汽车。要真正理解这场浪潮，我们需要回到它的数学与工程源头 - 这正是本书的使命：沿着"神经元 → 神经网络 → 深度学习 → 大模型 → 强化学习 → 智能体"这条主线，把人工智能的原理讲清楚。
0.1 什么是人工智能
“人工智能”一词最早由约翰·麦卡锡（John McCarthy）在1956年达特茅斯会议上正式提出，其目标是让机器表现出与人类类似的智能行为。今天我们对”智能”的共识可以拆解为几项核心能力：
🧠 感知
通过视觉、语音、文本等渠道理解世界，例如人脸识别、语音转写。
⚖️ 推理
基于已知信息进行逻辑推导与规划，例如解数学题、下棋。
📚 学习
从数据或经验中自动改进自身性能，这是现代 AI 的核心引擎。
🎯 决策
在不确定环境中选择最优行动，例如自动驾驶、AlphaGo 落子。
💬 语言
理解并生成自然语言，如 ChatGPT 的对话能力。
🎨 创造
生成全新的内容 - 文字、图像、音乐、代码。
如何判断一台机器”有智能”？最著名的标准是阿兰·图灵（Alan Turing）1950 年提出的图灵测试：如果一台机器能在文字对话中让人类无法分辨它是人还是机器，就应当认为它具有智能。哲学家约翰·塞尔（John Searle）则用“中文房间”思想实验反驳：一个不懂中文的人在房间里按规则手册对中文问题给出正确回答，他仍然”不懂”中文 - 符号操作不等于真正的理解。这场争论至今没有定论，也正因如此，人们通常按能力将 AI 分为：
| 层级 | 英文 | 含义 | 现状 |
|---|---|---|---|
| 弱人工智能 | Narrow AI | 只在特定任务上超越人类，如图像识别、翻译 | 已广泛落地，无处不在 |
| 强人工智能 | AGI | 像人一样在几乎所有任务上通用地学习和推理 | 大模型展现出雏形，尚无公认实现 |
| 超人工智能 | ASI | 在几乎所有领域远超人类智能 | 纯属未来设想，争议巨大 |
现状判断
当前我们处于”专用智能强大、通用智能初见雏形”的阶段：以 GPT 为代表的大语言模型（LLM）在语言、代码、推理上表现惊人，甚至在 2023 年的一项研究中被指”通过了图灵测试”，但它们在可靠性、记忆、物理世界理解上仍有明显短板。本书将解释支撑这一切的核心技术。
0.2 发展简史：三次浪潮与两次寒冬
AI 的历史并非一路高歌，而是经历了”高潮—寒冬—复兴”的螺旋上升。理解这段历史，才能理解今天大模型为何”突然”成功 - 它其实是七十余年积累的必然爆发。
1943麦克洛奇与皮茨提出第一个人工神经元数学模型（M-P 模型），AI 的种子埋下。
1950图灵发表《计算机器与智能》，提出图灵测试；艾伦·纽厄尔等人开启”能思考的程序”研究。
1956达特茅斯会议召开，“人工智能”正式得名，第一波浪潮开启（符号主义主导）。
1958罗森布拉特提出感知机，是第一个可训练的神经网络，媒体狂热追捧。
1969明斯基与帕珀特证明单层感知机无法解决 XOR 问题，神经网络研究进入第一次寒冬。
1970s专家系统兴起（如 MYCIN、DENDRAL），符号推理迎来黄金期，随后因知识难以穷举再次遇冷。
1986鲁梅尔哈特等人重新推广反向传播算法（BP），神经网络复兴；同期支持向量机（SVM）思想萌芽。
1997IBM 深蓝击败国际象棋世界冠军卡斯帕罗夫 - 符号搜索的巅峰。
2006辛顿提出深度信念网络，“深度学习”概念诞生，但算力仍不足以支撑大规模训练。
2012AlexNet 在 ImageNet 图像识别竞赛中碾压式夺冠，深度学习进入爆发期，GPU 成为燃料。
2016AlphaGo 击败围棋世界冠军李世石 - 强化学习与深度学习的完美结合，举世瞩目。
2017谷歌发表《Attention Is All You Need》，提出 Transformer，大模型时代的技术基石就此奠定。
2018BERT 刷新自然语言处理纪录；GPT 系列开启”预训练 + 微调”范式。
2020GPT-3 以 1750 亿参数展示涌现能力：少样本学习、写代码、翻译。
2022ChatGPT 发布，两周内用户破亿，AI 从技术圈走向全社会。
2023GPT-4 实现多模态理解；扩散模型让文生图/文生视频成为现实；AI 监管提上全球议程。
2024—2025推理模型（o1、DeepSeek-R1）出现”慢思考”；智能体（Agent）开始自主使用工具完成任务；具身智能人形机器人进入工厂；开源模型（Llama、DeepSeek、Qwen）与闭源模型激烈竞争。
读懂历史的钥匙
AI 的每一次”寒冬”都源于算力或数据不足时高估了理论；每一次”爆发”都源于理论、算力、数据三者恰好匹配。今天的 Transformer 大模型，本质是 1980 年代的 BP 网络 + 2010 年代的深度学习工程化 + 2017 年的注意力机制 + 大规模算力与数据的共同结果 - 本书各章正是这条主线的每一块基石。
0.3 三大流派：殊途同归的智能之路
历史上，AI 研究分化为三大流派，今天看来它们并非对立，而是互补：
| 流派 | 核心理念 | 代表技术 | 强项 / 短板 |
|---|---|---|---|
| 符号主义 Symbolicism |
智能 = 符号操作与逻辑推理；“知识表示 + 规则” | 专家系统、知识图谱、搜索（深蓝） | 可解释、可推理，但难以应对开放世界的模糊知识 |
| 连接主义 Connectionism |
智能 = 大量简单单元互联后”涌现”；从数据中学习 | 神经网络、深度学习、大模型（本书第1、3、4、5章） | 学习能力强、鲁棒性好，但可解释性差、需要海量数据 |
| 行为主义 Actionism |
智能 = 与环境的交互与试错；“行为塑造智能” | 强化学习、机器人、控制论（本书第6、7章） | 适合决策与动态环境，但样本效率低、奖励设计难 |
当代融合
今天的大模型是”混合体”：用连接主义做感知与生成，用符号工具（计算器、代码解释器、搜索）补足精确推理，用行为主义（强化学习，如 RLHF、思维链奖励）把输出调教得更符合人类偏好 - 这正是第 7 章 PPO 的用武之地。
0.4 机器学习的三条路径
现代 AI 的核心是机器学习（Machine Learning）：让程序从数据中自动发现规律，而不是由人显式编写规则。按”学习信号”的不同，可分为三条路径：
📝 监督学习
给定”输入-标签”对，学习从输入到输出的映射。用于分类、回归。本书第1—5章（神经网络、SVM、CNN、RNN、Transformer 都属于监督/自监督学习）。
🔍 无监督学习
只有数据、没有标签，学习数据的内部结构。用于聚类、降维、异常检测。大模型的自监督预训练（预测下一个词）是它的极致形态。
🎮 强化学习
没有标签，只有”奖励信号”。智能体通过与环境试错互动，学会最大化长期回报。本书第6—7章。
三条路径并非孤立：AlphaGo 先用监督学习模仿人类棋谱，再用强化学习自我对弈；ChatGPT 先用自监督预训练学会语言，再用强化学习（RLHF）学会”讨人喜欢”。读完整本书，你会理解这三次学习的接力。
0.5 现代人工智能全景：你在新闻里看到的那些词
为了让读者带着”地图”阅读，这里先给出 2024—2025 年 AI 版图的一张速览表。本书的技术章节会逐一解释它们背后的原理。
| 方向 | 代表系统 | 一句话原理（对应本书章节） |
|---|---|---|
| 大语言模型 LLM | GPT-4/4o、Claude、Gemini、DeepSeek、Llama、Qwen | Transformer 解码器在海量文本上预训练 + 人类反馈对齐（第5章、第7章） |
| 推理模型 | OpenAI o1/o3、DeepSeek-R1 | 在推理时生成”思维链”，并用强化学习奖励正确步骤（第7章 PPO 的进阶应用） |
| 多模态模型 | GPT-4o、Gemini、Sora、Whisper | 把文本、图像、语音统一编码进同一个 Transformer（第3章 CNN + 第5章） |
| 文生图 / 视频 | Midjourney、Stable Diffusion、Sora、可灵 | 扩散模型（U-Net 即 CNN 架构，第3章）从噪声中”雕琢”出图像 |
| 智能体 Agent | Manus、各类 Agent 框架 | 大模型作为”大脑”，自主规划、调用工具、观察结果（第5章 + 第6/7章决策） |
| 具身智能 | 特斯拉 Optimus、Figure、宇树机器人 | 感知（CNN）+ 决策（大模型/强化学习）+ 控制（第7章连续控制）闭环 |
| AI for Science | AlphaFold 蛋白质结构预测、AI 制药 | 深度学习从海量科学数据中提取物理规律（第3/5章） |
| 自动驾驶 | Waymo、特斯拉 FSD | 感知（CNN/Transformer）+ 预测 + 规划（强化学习/模仿学习） |
除此之外，AI 已渗透进医疗影像诊断、金融风控、推荐系统、智能制造、法律检索、教育辅导、科学研究等几乎所有行业。理解本书，就等于拿到了解读这一切的”原理说明书”。
0.6 本书路线图：一张图读懂全书结构
本书第 1—5 章走“监督学习 / 深度学习主线”：从单个神经元出发，经历多层网络（第1章）、统计学习巅峰 SVM（第2章）、视觉利器 CNN（第3章）、序列利器 RNN（第4章），最终汇聚到统治今天大模型的 Transformer（第5章）。第 6—7 章走“决策智能主线”：从试错学习的强化学习（第6章），到让它在高维空间中工作的深度强化学习（第7章），而第 7 章的 PPO 正是今天”给大模型做人类反馈对齐（RLHF）“的核心算法。
图 0-1 全书技术路线图：两条主线如何汇聚成今天的人工智能
全书符号约定
本书常用记号：\(x\) 输入、\(y\) 输出/标签、\(w\) 权重、\(b\) 偏置、Σ 求和、∇ 梯度、\(\eta{}\) 学习率、\(L\) 损失函数、\(\gamma{}\) 折扣因子、\(\pi{}\) 策略、\(V\) 状态值函数、\(Q\) 动作值函数。公式统一用衬线字体显示，向量加粗。各章末尾均有”本章要点”与”延伸阅读”。