1.2　一波三折：人工智能发展的三次浪潮

回首过去，人们会发现人工智能的历史并非坦途。3次汹涌的发展浪潮背后，掩藏着2次低谷。这并不是偶然，而是人工智能发展的必经之路。人工智能的三次浪潮如图1-2所示。

图1-2　人工智能的三次浪潮

1.2.1　第一次浪潮

在1956年的达特茅斯会议后，人工智能迎来了第一次浪潮，这一浪潮持续至1974年。在这次浪潮中，研究人员思潮涌动，赋予了机器逻辑推理能力。随着“人工智能”这一概念的兴起，人们对人工智能的未来发展充满了无限的遐想，推动了人工智能的首次蓬勃发展。在这一阶段，人工智能主要应用于解决代数、几何等逻辑推理问题，并致力于学习和运用英语程序。20世纪60年代，自然语言处理和人机对话技术的重大突破进一步提升了人们对人工智能的期待。

然而，受限于当时计算机算力的不足，加之美国政府于1973年停止了对缺乏明确目标的人工智能研究项目的资金支持，使得研发变现周期延长，人工智能步入第一次低谷。

1.2.2　第二次浪潮

1968年，专家系统的出现使人工智能更加实用化。首个专家系统DENDRAL由美国斯坦福大学的计算机科学家费根鲍姆研发，它能够辅助化学家确定特定物质的分子结构。该系统首次定义了知识库，为第二次人工智能浪潮奠定了基础。进入20世纪80年代后，特定领域的专家系统逐渐得到广泛应用，利用领域内的专业知识来推导出问题的答案，提高了人工智能的实用性。这一时期，知识库系统和知识工程成为主要的研究方向。

然而，专家系统存在升级困难、维护成本高昂的问题，且其实用性仅限于特定领域，这导致人工智能再次面临发展瓶颈。1990年，人工智能计算机DARPA项目的失败标志着人工智能第二次陷入低谷。尽管如此，同一时期的神经网络的提出为后续机器感知和交互能力的发展奠定了基础。

1.2.3　第三次浪潮

自1993年以来，新的数学工具、理论和技术的出现为人工智能带来了生机。深度学习技术推动了感知智能的发展。随着计算机算力的不断提升，人工智能技术得以快速迭代，进而促进了感知智能的成熟。人工智能与多个应用场景的结合，为产业带来了新的生机。2006年深度学习算法的提出，以及2012年AlexNet在ImageNet大规模视觉识别竞赛中取得的优异成绩，直接推动了新一轮人工智能发展的浪潮。

2016年，AlphaGo打败围棋职业选手后，人工智能再次获得了空前的关注。

2017年，谷歌发表了一篇论文，提出一个新的学习框架Transformer。该框架可以让机器同时学习大量的文字，这比之前一个一个地学习文字的效率高很多，同时也使人工智能的性能有了质的飞跃。

2018年，OpenAI公司发布了第一个版本的生成式预训练模型GPT-1。该模型是一种基于深度学习的语言模型，可以自动生成自然语言文本。GPT-1采用了Transformer框架，可以对大量的文本数据进行预训练，从而学习到语言的语法和语义特征。

2019年，OpenAI公司发布了第二个版本的生成式预训练模型GPT-2。这是一个性能更加强大的语言模型，具有更多的参数和更强的预测能力。GPT-2可以生成更加自然、更加连贯的文本，其预训练模型也包含了更多的数据和知识。但是，由于担心GPT-2被滥用，OpenAI公司只发布了部分模型和数据，并且限制了对该模型的访问和使用。

2020年，OpenAI公司推出了第三个版本的生成式预训练模型GPT-3，这是一个大型的、非常强大的语言模型，拥有1750亿个参数，可以完成各种复杂的自然语言处理任务。GPT-3可以生成高质量、逼真的自然语言文本，也可以进行多种类型的语言处理任务，如问答、翻译、摘要、生成等。

2022年，OpenAI公司发布了ChatGPT-3，这是一个基于GPT-3的聊天机器人，可以进行自然、流畅的对话，并且可以回答各种类型的问题。ChatGPT-3利用GPT-3强大的语言处理能力，实现了更加智能化、人性化的对话体验，可以应用于多个场景，如智能客服、语音交互、智能家居、金融投资等，具有非常广泛的应用前景。

2023年，OpenAI公司发布了下一代大语言模型GPT-4，这是一种支持ChatGPT和微软必应等应用程序的人工智能大语言模型。OpenAI公司表示，GPT-4在许多专业测试中的表现超出了“人类水平”。相较于ChatGPT有了质的飞跃，GPT-4的逻辑推理能力更强，语言能力更强。

从技术发展角度来看，前两次浪潮中人工智能的逻辑推理能力持续增强，运算智能逐渐成熟，智能能力由运算向感知方向拓展。目前，语音识别、语音合成、机器翻译等感知技术的能力已经接近人类智能水平。关于人工智能的未来，最令人兴奋的是它将不断变得更加善于理解和回应我们人类。