请你定义猫 — 规则为什么写不完,以及那两个分水岭
这一章讲三件事: 让机器变聪明,七十年里试过哪两条路; 第一条路是被什么具体的东西挡住的;以及第二条路走到今天, 中间有哪两个瞬间真正改变了格局。
它在全书链条里的位置: 这是第一块地基。后面二十六章讲的全是第二条路怎么走通的, 而这一章负责说清楚为什么必须走第二条路。不需要任何基础。
1. 先做一件事:请你定义猫
这不是修辞,是一道真题。请你现在就试着把「什么是猫」写成一串计算机能照着执行的判断。
你大概会先写:四条腿。然后你想起有的猫失去了一条腿。 你补一条:会叫「喵」。然后你想起有的猫天生不会叫。 你再补:有毛。然后你想起斯芬克斯猫没毛1。
你可以不断打补丁,但补丁永无止境。 一个三岁小孩一眼就能认出猫, 可没有人能把他脑袋里那套办法写下来——因为那根本不是一套规则,而是一种说不清的东西2。
这道题就是这一章的主走查,后面每一节都会回到它。现在先记住它的形状:
你要教机器认猫,只有两种给法
─────────────────────────────
给法 A:告诉它规则 给法 B:给它例子
「四条腿 且 有毛 且 会喵」 一百二十万张标好的图,
→ 例外永远补不完 让它自己去找共同点
→ 这一章前半段的故事 → 这一章后半段的故事
这张图看的是同一件事的两种给法:左边是人把答案写下来,右边是人只给例子、答案让机器自己凑。 七十年 AI 史,基本上就是右边一点点吃掉左边的过程。(右边具体怎么操作,第 03 章讲。)
2. 第一条路:把知识写成规则
1956 年夏天,一群年轻科学家在美国一所叫达特茅斯的学 院里开了八周的会。 就在这次会上,人工智能这个词被正式提出,并成了一门新学科的名字3。
在那之前六年,一位英国数学家提出过一个绕开哲学争论的办法: 与其争「机器是不是真的在思考」,不如看它的行为和人有没有区别—— 让一个人隔着屏幕聊天,如果长时间分不清对面是人还是机器,就算它有智能。 这就是后来闻名于世的图灵测试4。
会开完之后的二十年,主流相信一件事:智能的本质是对符号的操作。 人之所以聪明,是因为能用语言、公式、规则思考;那么只要把知识写成一套符号和规则, 让计算机照着推演,智能就出来了。这一派叫符号主义5。
这条路真的做出过东西。1956 年的一个程序证明了《数学原理》里的 38 条定理, 其中一些证明比原书还漂亮6;1960 年代中期,MIT 做出了第一个聊天机器人 ELIZA, 它只会做关键词匹配、装成心理医生,却真的有人对它倾诉秘密7; 到 1970 年代,能辅助诊断血液感染、能分析化学分子、能给公司配电脑的专家系统 (把某一行专家的经验一条条写成规则的程序)开始在专业领域派上用场。
乐观情绪高到什么程度?1970 年,达特茅斯会议的发起人之一公开说: 「三到八年内,我们就会有一台具有人类平均智能的机器」8。
3. 然后撞上了那堵墙
这一节回答:上面那条路是被什么东西挡住的。
挡住它的就是第 1 节那道题。世界太复杂,规则根本写不完。
同样的困境在每一个应用里反复出现:常识(「倒咖啡的时候别把杯子颠倒」这种显然的事很难写下来)、 语言(「小明说他没看见小红,因为她藏在桌子后面」,这里的「她」指谁)、 视觉(同一只猫从不同角度看差别巨大)。几乎所有需要直觉的问题,规则这条路都束手无策。
雪上加霜的是当时的机器:内存小得可怜,速度慢得令人绝望。 到 1970 年代后期,出钱的机构失去了耐心。1973 年英国政府发布的莱特希尔报告直接宣判: 这个方向没能交付它承诺的东西,建议大幅削减拨款9。美国也同步砍了经费。
于是有了 AI 寒冬(资助断掉、论文没人看、研究者纷纷转行的那几年)。 不少人干脆把「人工智能」这四个字从申请书里删掉,换成「模式识别」这类不扎眼的名字。
第 一次浪潮的教训只有一句:手写规则应付不了开放世界。 连「猫」都定义不出来, 更复杂的事就更别提了。
4. 第二条路:不给规则,给例子
既然规则写不出来,那就换个思路——让机器自己学10。
想让它认猫,不告诉它猫是什么,而是给它几千张已经标好「猫」和「狗」的图片, 让它自己去摸出区分的模式。想让它判断邮件是不是垃圾邮件,给它一堆已经分好类的邮件, 它自己会总结出「含『免费』『中奖』的更可能是垃圾」这类规律。 规律不再由人写下来,而是从例子里长出来。
和符号主义相对的那一派,主张智能不是几条规则能概括的, 而是从大量简单单元的相互连接中冒出来的——人脑就是这样: 单个神经元功能极简单,八百多亿个连起来就产生了语言、想象和自我意识。 这一派叫连接主义11。两派的分歧常被比作「飞机 vs 扑翼机」: 一个想复制推理的外在形式,一个想搞清底层的动力学。过去几十年的实际赢家是后者。
1990 到 2000 年代是这条路的黄金期。一批方法成熟起来, 今天工科生课程里那些名字大多是那时定下的。1997 年,一台叫「深蓝」的机器击败了国际象棋世界冠军; 同期,邮件过滤、手写数字识别、语音识别(把说出来的话自动转成文字)都进入了初步可用的阶段。
5. 但它自己也卡了二十年:例子里该看哪几个数
这一节是全章的转折点,也是最容易被跳过的一节。
问题出在一个很实际的地方:你不能把一张 1000 × 1000 的图片, 一百万个像素直接扔给当时那些方法——它们既吃不下也学不好12。
所以中间必须加一步:请一位懂图像的专家,从图片里挑出几百个「人类认为重要的量」, 比如颜色的深浅、边缘的方向、纹理的疏密,打包成一串数再喂进去。 这些被挑出来的量叫特征(从原始数据里提炼出来、真正被送进机器的那几百个数)。 而这个挑选的过程,叫特征工程13。
这一步是绝望的。 好特征要靠领域专家多年经验打磨; 识别人脸的特征对识别汽车没用,识别汽车的特征对识别猫没用。 每开一个新任务,就得从零设计一遍。一份典型的项目开发时间里, 大部分花在「想什么特征」上,只有一小部分花在别的地方。
作者对这二十年的总结只有一句:机器学会了用特征, 却始终没学会找特征14。
6. 第一个分水岭:2012 年那 10.9 个百分点
走查回到猫。 这一次,给机器的不再是规则,而是一百二十万张人工标好的图15。
这批图叫 ImageNet,是李飞飞教授于 2007 年发起的项目16。 它背后没有什么神秘魔法,反而像一场大型体力活:先从互联网上搜来海量图片, 再通过众包平台让人一张张确认「这是不是狗」「这是不是校车」。 听起来不像前沿科学,倒像给全世界的照片贴便利签; 但正是这些便利签,给了机器第一次系统学习视觉世界的机会17。
2012 年的那场比赛,评分方式是「模型给出 5 个候选答案,全不对才算错」。 走查的数落在这里:
| 谁 | 五个候选全不对的比例 | 差多少 |
|---|---|---|
| 第二名(还在用手挑特征那条路) | 约 26.2% | — |
| AlexNet(直接从像素里学) | 15.3% | 领先 10.9 个百分点18 |
| 三年后的 ResNet | 3.6% | 低于常被引用的人类成绩19 |
在机器学习比赛里,领先十个百分点几乎从未出现过。 更要紧的是它的做法: 它几乎不再依赖人工挑特征,而是直接从像素里学。
为什么偏偏是 2012 年? 这一步的答案不是「办法突然变聪明」,而是三个条件同时成熟20:
第一,例子够了。 互联网让海量标好的数据第一次成为可能,一百二十万张图在二十年前不可想象。
第二,算得动了。 当年那位研究生用的是两块 GTX 580 游戏显卡21—— 显卡里那块专管画面的芯片叫 GPU(它一次能把成千上万个一模一样的算式同时算完, 而普通处理器是一件一件按顺序做)。换成当时的普通处理器,同一件事要算上几个月。
第三,工具有了。 开源(把代码公开放出来,任何人都能拿去用、拿去改)的框架陆续出现, 搭一个复杂网络从「专家活」变成了「研究生活」。
三者缺一不可。它们凑齐的那一刻,就是这条路起飞的时刻。
7. 第二个分水岭:2022 年 11 月 30 日
作者在书里明确说,第三次浪潮里真正改变格局的瞬间有两个, 一个是 2012 年的 AlexNet,另一个是 2022 年的 ChatGPT22。 前者把这条路推上主流,后者把它推到了普通人手里。很多资料只讲前一个,这是漏的。
2022 年 11 月 30 日,一家叫 OpenAI 的公司悄悄上线了一个网页,允许任何人和一个程序免费聊天。 没有发布会、没有广告。发布前,公司内部对这个产品的预期低得出奇, 工程师估计可能有几千人试用就不错了23。
然后:五天之内用户破一百万,两个月后过亿24。 作为参照:Instagram 用了两个半月破百万,TikTok 用了九个月破亿级25。
这一天的意义不在技术。 技术还是同一条路——同一台机器,只是从图像换到了文字。 真正变的是这件事从技术圈的话题变成了每个人的日常判断题: 老师要决定学生能不能用它写作 业,公司要决定员工能不能把资料贴进去, 立法者要决定生成的内容算谁的。
作者引的一份研究给了这场冲击的规模: 约 80% 的美国劳动力所在职业,至少有 10% 的日常任务可能被这类工具显著加速; 约 19% 的劳动者所在职业,一半以上的任务受影响26。 注意这个数说的是「任务暴露」,不是「岗位消失」——这两件事之间隔着企业怎么组织、 法律怎么定责、人多久学得会。
8. 三次浪潮的共同规律:笨办法赢
把七十年放在一起看,会看到一条反直觉但反复出现的规律: 「笨」方法加上足够的规模,胜过「聪明」方法加上有限的规模27。
- 1950–1980 年代,最聪明的人相信智能等于符号推理,设计了大量精巧的规则系统。小场景里好用,扩不出去。
- 1980–2010 年代,一批数学上很漂亮的方法成为主流,每一个都有理论保证。 最后胜出的是「一个朴素的多层网络加大量例子加显卡」这种没什么理论保证、但简单能扩展的东西。
- 2010 年代之后,那块标准积木的设计朴素得像「把所有位置两两关联」。 就是这种朴素,让它能一路扩下去。
这条规律有个名字叫苦涩的教训(Bitter Lesson),是一位在「试错中学习」这一支上深耕了几十年的研究者在 2019 年总结的28。 它的建议只有一句:押注在能扩展的方法上,而不是此刻效果最好的方法上。
苦在哪里? 苦在它一再证明:研究者花在「把领域知识灌进模型」上的心血, 长期看常常被「同一个笨办法乘以十倍规模」抹平。这对认真设计的人是件不痛快的事。
9. 今天它能做什么、不能做什么
书里在合上这一章前专门冷静地列了一份清单。这份清单比任何赞叹都值钱, 因为它决定你什么时候该信它、什么时候必须自己把关。
| 已经做得很好 | 仍然做不好 |
|---|---|
| 认图、认脸、认语音、读医学影像 | 长链条的严谨推导仍然不稳:能解竞赛难题,却可能在一道更简单的变体上出错29 |
| 下棋、打复杂电子游戏 | 事实可靠性:会一本正经地编造不存在的人名、书名、事件 |
| 翻译、写作、编程辅助 | 开放环境适应:实验室里能完美抓取物体的机器人,到你家可能对着没见过的家具手足无措 |
| 从文字生成图像、视频、音乐 | 因果理解:它 擅长发现「什么和什么一起出现」,但很难真正回答「为什么」 |
这四条「做不好」不是随口列的,后面各有一整章接住它: 长链条推导在第 17 与第 20 章,编造在第 17 与第 26 章, 开放环境在第 24 章,因果在第 23 与第 27 章。
10. 作者的判断与证据
有证据的部分。 三次浪潮的时间线、两次寒冬的起因、2012 年那场比赛的分数、 ChatGPT 的增长速度,这些都是可查的事实,书里给的数字与公开记录一致。
是作者判断、不是事实的部分,有三处要分开看:
- 「过去几十年的实际赢家是连接主义」。 这是对已发生事实的概括,成立; 但书里同时写了另一半——「大多数研究者相信最终可能需要两种思路的结合」。 别把这句读成「规则那条路已经死了」。
- 苦涩的教训。 这是萨顿 2019 年一篇两千字文章里的主张, 书里明确称它是「总结出来的规律」而不是定理。它解释力很强,但它是事后归纳。
- 「AI 更像一个随时在线的助理,让每个人的生产力翻倍,而不是替代人本身」。 书里把这句标成「乐观地说」,是一个立场,不是结论。
判断(我们的,不是书里的):这一章最值得记住的不是那些年份,是「定义猫」这道题。 它是一把尺子:以后你遇到任何一个 AI 应用,先问一句 「这件事能不能被写成一串规则」。能,那多半不需要机器学习; 不能,那才是它的地盘。 如 果错,会错在: 有些能写成规则的事,机器学的版本反而更便宜—— 比如垃圾邮件过滤,规则能写但维护不起。这把尺子量的是「能不能」,不是「划不划算」。
11. 边界与局限
- 这一章没有讲两条路各自的技术细节。 符号主义那一侧的推理机、 连接主义那一侧的感知器,书里都只给了名字。感知器在第 05 章会补上。
- 「三次浪潮」这个分期法本身是叙事需要。 真实历史里各条线是交错的: 1980 年代专家系统正热的时候,连接主义那边也正在琢磨后来撑起这一切的训练办法。
- 书里对寒冬的成因给的是外部视角(经费、报道)。 内部视角 (当时的方法在数学上卡在哪)这一版没展开,那是教科书全本的内容。
- 时间锚定在 2025 到 2026 年初。 这一章末尾那份「能与不能」的清单, 是这个时间点的快照;你读到时,右边那一列可能已经短了一两条。
12. 可带走的
- 规则写不完,是第一条路失败的唯一原因。 记住「请你定义猫」这道题,它能解释后面很多事。
- 第二条路也卡过二十年,卡在「特征还得人来挑」。 深度学习真正的贡献是把这一步也交给了机器。
- 2012 年不是办法突然变聪明,是例子、算得动、工具三条线同时到位。 以后看到「某某技术突破」,先问这三条各到了哪。
- 分水岭有两个,不是一个。 2012 年改变了这一行,2022 年改变了所有人。
- 10.9 个百分点是这一行的历史刻度。 在比赛里领先十个点几乎不曾出现,记住这个量级,你就有了判断「大幅领先」的参照。
- 押注能扩展的方法。 这是七十年里被反复验证的一条,也是这本书后面每一章的暗线。
- 「任务暴露 80%」不等于「80% 的人失业」。 看到这类数字先查它统计的是任务还是岗位。
13. 原文地图
| 主题 | 原书章 | 原文位置 |
|---|---|---|
| 请你定义猫 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:191(搜「请你定义」) · :193(搜「补丁永无止境」) |
| 图灵测试 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:63(搜「闻名于世的图灵测试」) |
| 达特茅斯会议 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:107(搜「这个词被正式提出」) |
| 符号主义与连接主义 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:128(搜「符号主义」) · :133(搜「连接主义」) |
| 第一次浪潮的成果 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:168(搜「38 条定理」) · :170(搜「ELIZA」) |
| 明斯基的预言 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:185(搜「三到八年内」) |
| 莱特希尔报告与寒冬 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:202(搜「莱特希尔报告」) |
| 换个思路让机器自己学 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:211(搜「让机器自己学」) |
| 特征工程的困境 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:230(搜「扔给 SVM」) · :231(搜「特征工程」) · :239(搜「没学会找特征」) |
| 2012 年那场比赛 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:326(搜「一举降到」) · :250(搜「压到 3.6%」) |
| 三个条件与两块显卡 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:257(搜「三个关键条件」) · :260(搜「GTX 580」) |
| ImageNet 的来历 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:258(搜「120 万张」) · :318(搜「李飞飞教授于 2007 年发起」) · :323(搜「便利签」) |
| 两个分水岭 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:308(搜「两个真正改变格局的瞬间」) |
| ChatGPT 的增长 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:338(搜「期望其实很低」) · :279(搜「五天之内」) · :341(搜「Instagram 用了 2.5 个月」) |
| 职业暴露度 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:623(搜「约 19% 的劳动力」) |
| 苦涩的教训 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:839(搜「方法加上足够的规模」) · :849(搜 「苦涩的教训」) |
| 能与不能 | 第1章 智能的第三次浪潮 | text/02-ch01.txt:596(搜「长链推理仍然不稳定」) |