一张照片、一盘围棋、一个对话框：AI 是怎么突然开窍的？

程序明明是人写的，为什么它能走出一招连人类顶尖棋手都看不懂的棋？从 1950 到今天，机器进化的每一次破局，其实都在回答同一个问题——当规则写不完时，人类该怎么教机器认识世界。

首尔棋盘上的「第 37 手」

2016 年 3 月 10 日，韩国首尔四季酒店，全世界都在关注这场围棋战。

棋盘的一边，是手握 14 个世界冠军头衔的韩国传奇棋手李世石；另一边，是 DeepMind 团队开发的围棋程序 AlphaGo。

这是五局棋大战的第二局。下到第 37 手时，坐在屏幕前代为落子的黄士杰博士，把一颗黑子轻轻放在了棋盘右侧的「五路肩冲」位置。

2016 年首尔对局：让人类棋手愣住的「第 37 手」

直播间里的职业九段解说员瞬间愣住了。

在人类几千年的围棋定式里，从来没有人会在布局阶段把棋下在这个位置。最初那几分钟，不少专业棋手甚至怀疑：是不是程序出 Bug 点错了？

当时李世石正好起身离开赛场抽烟。等他回到座位，盯着棋盘上那颗孤零零的黑子，足足思考了十多分钟。

随着棋局往后推演，所有人后背发凉地发现——那颗被误以为是「昏招」的第 37 手，早已在几十步之外织好了一张大网，最终帮 AlphaGo 赢下了那一局。

今天回头看，那颗棋子真正让人着迷的地方，不在于「机器赢了人」，而在于一个违背直觉的悬念：

程序明明是人类一行行代码写出来的，为什么它能走出连写程序的人都意想不到的一步棋？

把这颗棋子先留在棋盘上。

我们把时针往回拨，顺着「一张照片、一盘围棋、一个对话框」的脚印，看看过去八十年里，人类是怎么一步步撞上南墙，又靠一篇篇改写历史的论文，把 AI 带到我们办公桌前的。

一、第一堵墙：你能写出「认出一只猫」的所有规则吗？

故事的起点，始于一个今天听起来依然很酷的问题：机器能思考吗？

1950 年 10 月，身在英国曼彻斯特的艾伦·图灵（Alan Turing）在哲学期刊《Mind》上发表了一篇论文。

艾伦·图灵（Alan Turing）

他做了一件特别聪明的事——不再跟人空谈「思考」或「意识」的哲学定义，而是设计了一场「模仿游戏」：隔着一道屏障用文字问答，如果裁判分不清对面坐着的是人还是机器，那我们就得承认它表现出了智能。这就是著名的“图灵测试”。

六年后的 1956 年夏天，麦卡锡、明斯基、罗切斯特和香农四位学者，把一群志同道合的研究者召集到美国达特茅斯学院。

在前一年提交的研究提案里，他们正式写下了 Artificial Intelligence（人工智能） 这个名字。AI这个词第一次出现在人类的视野中。

名字有了，大旗竖起来了，接下来该怎么干？

最符合人类直觉的办法，叫**「写规则」**：把人类的知识拆成一条条「如果……就……」的逻辑，输进电脑里。

这条路在早期走得相当顺。

1966 年，麻省理工学院的魏泽鲍姆（Joseph Weizenbaum）写出了对话程序 ELIZA。它其实根本听不懂人话，只是靠抓取句子里的关键词、按语法规则把你的话拆开再反问回去（比如你说「我很难过」，它就回「为什么你会觉得难过？」）。就这么几百行规则，居然让不少人聊得热泪盈眶，觉得机器真懂自己。
1980 年，卡内基梅隆大学与 DEC 公司合作的专家系统 R1 走进工厂流水线，靠整理好的规则帮客户自动配置复杂的计算机订单。
1997 年 5 月，这条路线迎来了最辉煌的高光时刻——IBM 的 「深蓝（Deep Blue）」 在纽约六局对抗赛中，以 3.5∶2.5 击败了国际象棋世界冠军卡斯帕罗夫。庞大的开局残局库、精妙的局面评估规则，加上每秒搜索上亿步棋的专用芯片，让机器在棋盘上站上了巅峰。

既然连世界冠军都赢了，按这个路子往下写，机器是不是很快就能无所不能？

恰恰相反，研究者们一头撞上了一堵看不见的南墙。

如何教电脑从照片里认出一只猫？

怎么写规则？你写：「有两个尖耳朵、有胡须、有长尾巴、四条腿的，就是猫。」
可狗也有尖耳朵和四条腿；如果这只猫正背对着镜头，胡须看不见怎么办？如果它缩在纸箱里，尾巴和腿全挡住了怎么办？如果是在逆光的深夜拍的，连轮廓都糊成一团呢？

你会绝望地发现：连三岁小孩扫一眼就能认出来的东西，人类哪怕写上一万条规则，也穷举不完现实世界里的光线、角度和遮挡。

现实中太多规则，几乎无法穷举。到了 1970 年代（比如 1973 年英国著名的《Lighthill 评估报告》）和 1980 年代末，科研经费几度大幅缩水，AI 经历了漫长的「寒冬」。

既然人没法把规则一条条写死，能不能换条路——别给机器背规则了，直接给它看照片，让它自己从错误里摸索规律？

跟「写规则」并行的还有一条「机器学习」的暗线，他没有写规则见效快，但是也有人前赴后继努力着：

1943 年《人工神经元》

（麦卡洛克、皮茨）：先把大脑里的神经细胞抽象成数学上的「开关」——收到信号达到阈值就亮灯。那时候它还只是死板的积木，不会自己学习。

沃尔特·皮茨（左）和沃伦·麦卡洛克（右）

1958 年《感知机（Perceptron）》

（罗森布拉特）：开始让机器看带答案的样本。猜对了保持原样，猜错了就把连接处的数字旋钮（权重）拧一点点。可惜单层感知机太简单，1969 年明斯基和帕佩特出了一本专著《Perceptrons》，用数学证明了它在复杂问题上的局限。

弗兰克·罗森布拉特和他的感知机

1986 年《Nature》经典论文《反向传播（Backpropagation）》

（鲁梅尔哈特、辛顿、威廉姆斯）：当网络变成好几层、大家一起把题答错时，怎么知道哪一层的哪个计算该负责？这篇代表作展示了怎么从最终的误差出发，顺着链条一层层往回倒推，算出每层计算是否正确，误差多少，层层优化。

杰弗里·辛顿（Geoffrey Hinton），后面他还会出场

你可以把「反向传播」想象成一条多人协作的流水线：最后生产出的零件不合格，质检员顺着工序倒查回去，精准告诉每一道工序的工人「你手里的刻度往左调一格」。

方法找到了！可为什么到了 1990 年代甚至 2000 年代初，这套方法还是没能掀起滔天巨浪？

因为大家很快撞上了第二堵墙。

二、一张照片的逆袭：在算法爆发前，有人先花几年「编教材」

想象一下，你想教一个从没见过动物的孩子认识「猫」，但你手里只有三张照片，而且拍的都是同一只趴在红沙发上的白猫。

孩子看完可能会得出一个结论：凡是白色的、毛茸茸的、底下垫着红布的，就叫猫。明天带他出门遇到一只蹲在树枝上的黑猫，他就彻底懵了。

光有聪明的学习方法不够，机器还得见过足够多、足够杂的真实世界。

在很长一段时间里，学界绝大多数人都在绞尽脑汁改算法、调模型，觉得整理数据是件不够高级的「苦力活」。

直到 2000 年代中后期，当时在普林斯顿大学任教（2009 年加入斯坦福大学）的李飞飞，和邓嘉等合作者做了一个大胆的决定：既然机器缺教材，那我们就把整个互联网的图片整理成一套庞大的「世界教材」。

李飞飞

2009 年，团队在 CVPR 上发表了《ImageNet》数据集论文。

他们从网上收集了海量的图片，发动全球各地的标注者一张张人工核对、分类。仅在 2009 年论文发布时的版本里，就已经整理出了 5,247 个类别、大约 320 万张清晰标注的照片。同一种动物，不管是在雪地里跑、水里游、只露半张脸还是躲在阴影里，机器都能在 ImageNet 里见到。

不仅如此，他们还设立了每年一度的「ImageNet 图像识别大赛（ILSVRC）」。ImageNet 既当了机器的「教材」，又搭起了全球算法的统一「考场」。

教材和考场准备好了，真正的惊雷在 2012 年 炸响。

那一年，加拿大多伦多大学的杰弗里·辛顿（Geoffrey Hinton）带着两名学生——亚历克斯·克里热夫斯基（Alex Krizhevsky）和伊利亚·苏茨克维（Ilya Sutskever），交出了一篇后来被称为 《AlexNet》 的论文。

在那场全球统考里，第二名的前五项识别错误率（Top-5 Error）是 26.2%，而 AlexNet 一举把错误率降到了 15.3%——整整拉开了超过 10 个百分点的断崖式差距！

AlexNet 凭什么能赢这么多？因为它刚好踩中了三股力量的历史性交汇：

有教材：ImageNet 提供了足够丰富的练习题；
有方法：把早年杨立昆（Yann LeCun）在 1998 年 LeNet-5 手写支票识别里验证过的卷积神经网络做深，不用人手写「猫耳朵长啥样」，网络第一层自己学边缘线条、中间层拼出眼睛耳朵、最后一层认出整只猫；
有算力：克里热夫斯基用上了两块原本用来渲染 3D 游戏的 NVIDIA GPU 显卡，让原本要算几个月的深层网络，几天就能训练完。

三年后的 2015 年，何恺明等人又提出了 《ResNet（残差网络）》——给网络加上一条「跳级捷径」，让模型只学「在原来的基础上改一点点」，彻底解决了网络层数太深反而学不好的难题，把图像识别推到了超越人类肉眼测试的水平。

「一张照片」的故事告诉我们：AI 的爆发从来不是某个天才算法单枪匹马的奇迹，而是「好数据 + 对的结构 + 强算力」三根绳子终于拧在了一起。

三、一盘围棋的两面：第 37 手看见突破，第 78 手看见边界

机器学会了「看懂照片」，可现实生活不只有看图分类，还有连续不断的博弈和决策。

于是在 2016 年春天，我们回到了文章开头首尔的那张棋盘前。

国际象棋早在 1997 年就被「深蓝」攻克了，为什么围棋又让科学家熬了将近二十年？因为围棋盘上有 361 个交叉点，变化比宇宙里的原子总数还要多。靠「深蓝」那种把后面每一步都穷举算出来的硬办法，哪怕把全球电脑绑在一起也算不完。

那 AlphaGo 是怎么长出那记惊世骇俗的「第 37 手」的？

翻开 DeepMind 团队在 2016 年 1 月发表于《Nature》的 AlphaGo 方法论文（当时报告了此前 5∶0 击败欧洲冠军樊麾的实验），你会看到一套极其漂亮的组合拳：

先拜师学艺（监督学习）：先让神经网络读几千万局人类高手的棋谱，学会「看到这个局面，人类高手大概会考虑哪几个点」；
再左右互搏（强化学习）：让两个 AI 自己跟自己下上百万盘棋。赢了就加分，输了就调整——在这无数盘人类从未下过的对局里，它摸索出了超越人类既有经验的走法；
落子前深思（蒙特卡洛树搜索）：真正比赛落子前，它不是拍脑袋随便下，而是用「策略网络」挑出几个有戏的落点，用「价值网络」估算局面胜率，再往后推演模拟几万种可能。

所以，首尔第二局的第 37 手，既不是程序员提前写死的，也不是从哪本古谱里抄来的——它是学习、反复试错的反馈与树搜索配合出来的产物。

到了 2017 年 10 月，DeepMind 发布的 《AlphaGo Zero》 更进一步：干脆连人类棋谱都不看了，只告诉它围棋规则，让它从零开始随机乱下、自我对弈。只要规则清楚、胜负反馈明确，机器自己就能给自己创造高质量的练习题。

故事讲到这儿，如果只停在「AlphaGo 4∶1 大胜李世石」，那就只讲了一半。

在第一课的史料里，有一处最值得所有用 AI 的人记住的细节：第四局的「第 78 手」。

第四局的「第 78 手」

那是 2016 年 3 月 13 日，已经连输三局、背水一战的李世石，在中腹下出了极为犀利的「挖」——第 78 手。这一手棋直接把局面拖入了极其复杂、罕见的死活计算中，精准戳进了 AlphaGo 当时价值评估与搜索的盲区。随后几步，AlphaGo 连续出现反常的昏招，最终投子认输。

这也是人类顶尖棋手在正式比赛里赢下 AlphaGo 的唯一一局。

把这两步棋摆在一起，才是完整的 AI 启示录：

第二局的第 37 手，让我们看见机器能够突破人类经验的上限；

第四局的第 78 手，则时刻提醒我们——再强大的系统，依然有它的盲区，依然可能犯错。

四、一个对话框的诞生：机器是怎么「听懂」人话的？

能认照片、能下围棋，离我们普通人的日常工作好像还隔着一层纱。毕竟我们每天上班，不是在标图片，也不是在下围棋，而是在说话、写字、看文档。

可教机器处理人类语言，比教它认猫难在另一个维度上：语言的意思，全藏在潜台词里。

请看下面这句话：

「记者采访了馆长，他详细介绍了图书馆的新安排。」

不用一秒钟，你就知道句子里的「他」指的是馆长，而不是记者。可如果把后半句改成「他连夜赶回了报社写稿」，「他」就立刻变成了记者。

早期的循环神经网络（包括 1997 年提出、给网络加上记忆笔记本的 《LSTM》），读文章像一个人拿着放大镜逐字往后挪：读完第一个字，传给第二个字，再传给第三个字……句子一旦拉长到几百上千字，开头说的重点传到句尾早就模糊了，而且必须一个字等前一个字算完，没法让几千块 GPU 同时开工。

怎么破局？2017 年 6 月，一篇改写整个现代 AI 走向的论文挂上了 arXiv。

论文的名字霸气十足，叫 《Attention Is All You Need（注意力就是你所需要的一切）》，由 Google 团队的 Vaswani 等八位作者共同署名，提出了今天无人不知的 Transformer 架构。

Transformer 的核心直觉：用「注意力」让句子里的词直接跨距连线

Transformer 干了一件极其干脆的事：扔掉一个字传一个字的慢办法，直接用**「自注意力机制（Self-Attention）」**，让句子里的每一个词，同时和前后文所有的词拉起连线、计算相关度。

当模型读到「他介绍了图书馆的新安排」里的「他」时，注意力机制会直接跨过中间的词，在「他」「馆长」「图书馆」之间亮起高权重的连线。更关键的是，这种结构不需要排队等前一个词算完，天生适合用大规模算力并行训练！

地基打好了，大楼开始以惊人的速度往上盖：

2018 年：Google 的 《BERT》 像做完形填空一样，靠左右双向上下文刷新了语言理解纪录；而 OpenAI 的 《GPT-1》 选择了另一条路——只做一件事：根据前面的字，预测下一个字是什么（生成式预训练）。
2020 年 1 月与 5 月：OpenAI 先后发了 《Scaling Laws（规模定律）》 和 《GPT-3》 论文。当模型参数被推到惊人的 1,750 亿、读遍了半个互联网的文本后，神奇的事情发生了——你不需要再为了翻译、写摘要或改病句去重新训练它，只需要在提示词里给它看两三个例子（Few-Shot 少样本提示），它就能顺着你的意思把活干出来！

但这时候的 GPT-3 还像一个满腹经纶却不懂职场规矩的怪才：你问它「怎么写周报？」，它可能会以为你在出考卷，顺手给你接着往下续写十个问题：「怎么写月报？怎么写年终总结？」因为它只学会了「接着往下编」，没学会「按人的指令办事」。

于是，最后一块拼图在 2022 年 补齐了：

2022 年 3 月，《InstructGPT》论文（欧阳龙等）展示了怎么给大模型「立规矩」：先让人写好标准示范教它怎么接话，再让人对模型的几个回答排出好坏名次，训练一个打分器，用强化学习（PPO）引导模型说出更贴合人类要求的话。

2022 年 11 月 30 日，OpenAI 把这套经过指令微调和反馈训练的模型，装进了一个人人都能上手的网页对话框里——ChatGPT 研究预览版正式上线。

过去需要写代码调接口的 AI 能力，突然变成了一个只要会打字就能使唤的对话框。普通人第一次发现：原来我可以把几千字的会议记录扔进去让它提炼重点，可以让它帮我改邮件，可以跟它来回对话打磨方案。

但很多人没留意的是，就在 2022 年 11 月 30 日那篇《Introducing ChatGPT》的首发公告里，OpenAI 自己就写下了一条极其诚实的警告：

ChatGPT 有时会写出听起来非常合理、但实际上错误或荒谬的答案。

为什么？因为从根儿上说，它是靠预测「怎么接话最通顺、最讨人类喜欢」训练出来的。把话说得滴水不漏，和把事实核对得准确无误，完全是两码事。

五、从「陪你聊天」到「替你干活」：补齐最后三块短板

既然光靠一个聊天框，AI 会「记忆过时、一本正经胡说八道」，也没法替我们操作外部软件、解开超复杂的逻辑题，最近这几年，研究者们又在忙活什么？

整理的比较核心的论文列表时间线

如果从这 50 篇核心论文里挑出与我们今天工作最息息相关的三条进化线，你会发现它们全是在给大模型「补短板」：

1. 怕它乱编或不懂公司内部事？——让它「先翻书再回答」（RAG）

如果你让一个刚入职的新同事回答公司的报销制度，你肯定不会让他凭空瞎猜，而是先把《员工手册》递给他。
早在 2020 年 5 月，Lewis 等人就发表了 《RAG（检索增强生成）》 论文：提问时，先让检索系统去外部资料库里把相关的原文段落找出来，贴进对话框里，再让大模型看着资料组织答案。今天几乎所有企业的「AI 知识库」和「AI 搜索」，底层都是这个逻辑。

2. 怕它只会动嘴不会动手？——让它「边想边调工具」（ReAct）

真实的工作从来不是「问一句、答一句」就完事了。比如让你核对一份通知并改稿，你得先去查原文件、对比前后版本差异、算一下数字对不对，再动笔改。\

姚顺雨

2022 年 10 月，姚顺雨等人提出的 《ReAct（Reasoning + Acting）》 论文，把大模型的思考过程和调用外部工具（查网页、跑代码、读表格）串成了一个循环：先想下一步干嘛 → 动手调工具 → 观察工具返回的结果 → 再决定下一步。这就是今天大火的 AI Agent（智能体） 的核心工作流。

3. 遇到难题总跳步算错？——让它「打草稿慢思考」（CoT → o1 → DeepSeek-R1）

以前问大模型一道绕弯子的数学题，如果让它立刻给答案，很容易翻车。

2022 年 1 月，Jason Wei 等人提出 《思维链（Chain-of-Thought）》：只要在例子里把中间解题步骤写出来，模型准确率就会大幅上升。

到了 2024 年 9 月的 OpenAI o1 和 2025 年 1 月的《DeepSeek-R1》论文，研究者们把「强化学习」重新搬上了舞台中央。

DeepSeek-R1 证明了一件事：只要给模型足够明确的对错反馈（比如数学题算没算对、代码能不能跑通），让它在强化学习中反复尝试，再配合冷启动数据和多阶段训练，模型就会在回答前投入更多计算，像人类做难题一样在草稿纸上自我检查、推翻重来。

不过，哪怕到了 o1 和 DeepSeek-R1，第一课的历史核验依然送了我们一句清醒的结语：「多想一会儿，并不自动保证结果正确。」 如果喂给它的前提材料本身是错的，或者任务根本没有客观的对错标准，写得再长的思考过程，也需要人来把最后一道关。

写在最后：80 年 AI 史，其实是给普通人的「使用说明书」

我们用几千字走完了从 1943 年到今天的八十年。

现在回头看，AI 走到我们身边，从来不是因为某一天机器突然「觉醒」了灵魂，而是几代研究者像接力一样，一次次改写问题、补齐拼图。

你会发现一个特别奇妙的呼应：当年科学家训练 AI 踩过的所有坑，恰恰就是今天我们在工位上用好 AI 的说明书。

下次当你在电脑前打开那个对话框，准备把一项工作交给 AI 之前，不妨先用这段历史留下的**「三个问题」**问问自己：

我给够「教材」了吗？
就像李飞飞为视觉模型准备 ImageNet、就像 RAG 先检索文档一样——别指望 AI 有读心术，把任务背景、原始资料和参考样板先喂给它。
我打算怎么找它的「第 78 手」漏洞？
不管它的回答排版多漂亮、推理过程写得多长，永远默认它可能在某个关键数字、人名或引语上「自信地胡说」。定好你的验收清单。
哪一步必须由我亲自拍板？
机器可以帮你搜集资料、比对差异、生成三版草稿，但判断哪份材料有效、承担最终交付结果责任的人，永远坐在屏幕前。

一张照片，教会了机器看见世界；
一盘围棋，教会了机器权衡与探索；
一个对话框，把这八十年的智慧推到了每个人手边。

而故事的下一章，不在实验室的论文里，在你每天打开对话框、写入提示词的时刻。

参考资料与核心文献

W. S. McCulloch, W. Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity, 1943
A. M. Turing, Computing Machinery and Intelligence, Mind, 1950
J. McCarthy, M. L. Minsky, N. Rochester, C. E. Shannon, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955 / 1956
F. Rosenblatt, The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain, 1958
J. Weizenbaum, ELIZA—a computer program for the study of natural language communication between man and machine, CACM, 1966
D. E. Rumelhart, G. E. Hinton, R. J. Williams, Learning representations by back-propagating errors, Nature, 1986
M. Campbell, A. J. Hoane Jr., F.-H. Hsu, Deep Blue, Artificial Intelligence, 2002（对应 1997 年纽约对抗赛）
J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li, L. Fei-Fei, ImageNet: A Large-Scale Hierarchical Image Database, CVPR 2009
A. Krizhevsky, I. Sutskever, G. E. Hinton, ImageNet Classification with Deep Convolutional Neural Networks (AlexNet), NIPS 2012
D. Silver, A. Huang et al., Mastering the game of Go with deep neural networks and tree search (AlphaGo), Nature, 2016
A. Vaswani et al., Attention Is All You Need (Transformer), NIPS 2017
T. B. Brown et al., Language Models are Few-Shot Learners (GPT-3), NeurIPS 2020
P. Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (RAG), NeurIPS 2020
L. Ouyang et al., Training language models to follow instructions with human feedback (InstructGPT), 2022；OpenAI, Introducing ChatGPT, 2022.11.30
S. Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models, 2022
DeepSeek-AI, DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning, 2025.01