1.2　一波三折：人工智能發展的三次浪潮

回首過去，人們會發現人工智能的歷史并非坦途。3次洶涌的發展浪潮背后，掩藏著2次低谷。這并不是偶然，而是人工智能發展的必經之路。人工智能的三次浪潮如圖1-2所示。

1.2.1　第一次浪潮

在1956年的達特茅斯會議后，人工智能迎來了第一次浪潮，這一浪潮持續至1974年。在這次浪潮中，研究人員思潮涌動，賦予了機器邏輯推理能力。隨著“人工智能”這一概念的興起，人們對人工智能的未來發展充滿了無限的遐想，推動了人工智能的首次蓬勃發展。在這一階段，人工智能主要應用于解決代數、幾何等邏輯推理問題，并致力于學習和運用英語程序。20世紀60年代，自然語言處理和人機對話技術的重大突破進一步提升了人們對人工智能的期待。

然而，受限于當時計算機算力的不足，加之美國政府于1973年停止了對缺乏明確目標的人工智能研究項目的資金支持，使得研發變現周期延長，人工智能步入第一次低谷。

1.2.2　第二次浪潮

1968年，專家系統的出現使人工智能更加實用化。首個專家系統DENDRAL由美國斯坦福大學的計算機科學家費根鮑姆研發，它能夠輔助化學家確定特定物質的分子結構。該系統首次定義了知識庫，為第二次人工智能浪潮奠定了基礎。進入20世紀80年代后，特定領域的專家系統逐漸得到廣泛應用，利用領域內的專業知識來推導出問題的答案，提高了人工智能的實用性。這一時期，知識庫系統和知識工程成為主要的研究方向。

然而，專家系統存在升級困難、維護成本高昂的問題，且其實用性僅限于特定領域，這導致人工智能再次面臨發展瓶頸。1990年，人工智能計算機DARPA項目的失敗標志著人工智能第二次陷入低谷。盡管如此，同一時期的神經網絡的提出為后續機器感知和交互能力的發展奠定了基礎。

1.2.3　第三次浪潮

自1993年以來，新的數學工具、理論和技術的出現為人工智能帶來了生機。深度學習技術推動了感知智能的發展。隨著計算機算力的不斷提升，人工智能技術得以快速迭代，進而促進了感知智能的成熟。人工智能與多個應用場景的結合，為產業帶來了新的生機。2006年深度學習算法的提出，以及2012年AlexNet在ImageNet大規模視覺識別競賽中取得的優異成績，直接推動了新一輪人工智能發展的浪潮。

2016年，AlphaGo打敗圍棋職業選手后，人工智能再次獲得了空前的關注。

2017年，谷歌發表了一篇論文，提出一個新的學習框架Transformer。該框架可以讓機器同時學習大量的文字，這比之前一個一個地學習文字的效率高很多，同時也使人工智能的性能有了質的飛躍。

2018年，OpenAI公司發布了第一個版本的生成式預訓練模型GPT-1。該模型是一種基于深度學習的語言模型，可以自動生成自然語言文本。GPT-1采用了Transformer框架，可以對大量的文本數據進行預訓練，從而學習到語言的語法和語義特征。

2019年，OpenAI公司發布了第二個版本的生成式預訓練模型GPT-2。這是一個性能更加強大的語言模型，具有更多的參數和更強的預測能力。GPT-2可以生成更加自然、更加連貫的文本，其預訓練模型也包含了更多的數據和知識。但是，由于擔心GPT-2被濫用，OpenAI公司只發布了部分模型和數據，并且限制了對該模型的訪問和使用。

2020年，OpenAI公司推出了第三個版本的生成式預訓練模型GPT-3，這是一個大型的、非常強大的語言模型，擁有1750億個參數，可以完成各種復雜的自然語言處理任務。GPT-3可以生成高質量、逼真的自然語言文本，也可以進行多種類型的語言處理任務，如問答、翻譯、摘要、生成等。

2022年，OpenAI公司發布了ChatGPT-3，這是一個基于GPT-3的聊天機器人，可以進行自然、流暢的對話，并且可以回答各種類型的問題。ChatGPT-3利用GPT-3強大的語言處理能力，實現了更加智能化、人性化的對話體驗，可以應用于多個場景，如智能客服、語音交互、智能家居、金融投資等，具有非常廣泛的應用前景。

2023年，OpenAI公司發布了下一代大語言模型GPT-4，這是一種支持ChatGPT和微軟必應等應用程序的人工智能大語言模型。OpenAI公司表示，GPT-4在許多專業測試中的表現超出了“人類水平”。相較于ChatGPT有了質的飛躍，GPT-4的邏輯推理能力更強，語言能力更強。

從技術發展角度來看，前兩次浪潮中人工智能的邏輯推理能力持續增強，運算智能逐漸成熟，智能能力由運算向感知方向拓展。目前，語音識別、語音合成、機器翻譯等感知技術的能力已經接近人類智能水平。關于人工智能的未來，最令人興奮的是它將不斷變得更加善于理解和回應我們人類。