AI 是怎样走到今天的

从逻辑、神经网络到大模型与智能体

一本从人工智能思想源头讲到当代前沿能力的中文电子书。

当前书稿说明

序章、七部三十四章主线正文已经完成第一轮技术与编辑审校。0.9.0-rc.1 发布候选版已完成首轮跨章整合、图表接入、链接审计和截至 2026 年 8 月 19 日的当代事实复核。

《AI 是怎样走到今天的》将从逻辑、计算和早期神经元讲起，逐步解释机器学习、深度学习、Transformer、基础模型、多模态、推理模型、智能体和机器人。

全书采用三层阅读方式：

• 主线正文面向普通高中及以上学历的读者，不要求编程经验；
• 技术深潜面向具有工科大学基础、希望理解公式和实现机制的读者；
• 实践路径面向能够使用 Python、希望复现经典模型的读者。

书稿按照正式目录从头推进。当前可连续阅读的内容为：

• 序章建立理解今天 AI 能力与局限的基本词汇；
• 第一部依次讨论智能的含义、形式逻辑、通用计算、信息、反馈和早期神经元；
• 第二部解释 AI 学科形成、搜索、符号规划、专家系统及两次低潮；
• 第三部解释从数据学习、感知机、概率推断、经典机器学习与强化学习。
• 第四部解释反向传播、卷积网络、词向量、序列模型、生成模型与深度强化学习，建立表示、生成和决策如何共同推动深度学习的主线。
• 第五部从注意力与 Transformer 进入预训练、扩散模型、对话对齐和内部表示，解释现代生成式 AI 的模型、训练底座与证据边界。
• 第六部解释多模态与深度推理，把检索、工具、外部记忆、智能体循环和物理控制组织成完整系统，并以 AI 参与科学搜索和验证收束；
• 第七部建立基准、污染、校准和系统级评测框架，追踪数据、算力、能源、提示注入、安全与治理的完整风险链，再讨论工作、教育、创作、公共信息和 AGI 的判断边界。
• AI 发展时间线区分思想、论文、系统、产品、基础设施与治理，用 52 个里程碑连接关键转折与正文解释。
• 必要的数学准备从公式阅读、向量、矩阵和概率讲到梯度、优化与数值稳定性，并用逻辑回归和注意力完整追踪数据与形状。
• 怎样判断一条 AI 新闻把标题还原成可检验主张，逐步检查证据层级、评测条件、系统边界、成本与适用范围。
• 术语表统一训练、模型推理、推理过程、对齐、记忆、模型和现实锚定等容易混淆的概念，并链接到首次系统说明章节。
• 延伸阅读与来源索引按读者深度、主题和章节组织原始论文、教材、评测与标准，提供论文阅读方法和十二周学习路线。

第 20 章原本作为技术深度基准先行完成，现在已经接入连续正文。P08 继续作为实践基准保留。当前工作重点是发布验收、封面和出版信息收尾，实践项目仍保持较低优先级。

初稿阶段继续使用冻结目录中的显式编号；进入内容冻结前，再统一处理出版编号、交叉引用和附录顺序。

阅读建议

初次阅读建议从序章开始，依次读到第 34 章。技术深潜可以跳过，不影响主线。第五至第七部进入全书技术与判断密度较高的部分；具备 Python 基础并希望动手的读者再进入 P08。

关键历史判断和技术来源已经进入参考文献。正文虽已完成首轮审校，仍会在内容冻结前继续进行跨章核查和编辑修订。