聊聊AI的发展史，AI的爆发并不是偶然

AI 的起源

在 1957年的一个春日，心理学家 弗兰克·罗森布拉特 将一系列打孔卡输入到 Mark I感知机 中，经过了 50 次的尝试后，Mark I 成功学会了区分左侧标记和右侧标记的卡片，那一刻，人工智能的梦想首次照进现实。

1958年7月，美国海军研究办公室正式公布了这项革命性发明，这项技术被命名为：感知机，又称感知器、感知元，英文名称为：Perceptron；该模型是世界上首个可通过训练进行模式识别的神经网络模型，将神经网络从理论推向了工程实践。

罗森布拉特对自己的发明充满激情，在一次公开演示后，他自信地宣称："这台机器将能够行走、谈话、观察、书写，甚至拥有意识！"《纽约时报》更是以"第一台能够拥有人类思想的机器"为题进行报道，引发了全社会对人工智能的无限遐想。

当年 罗森布拉特 说出的这些话，到现在还没有完全实现，可见当时他也是夸大了很多的，实际上感知器的能力非常有限，它识别的图片有半米高，只有黑白两色，对于字母的识别率也只有 70%，而且只能识别单个字母，无法识别多个字母组成的单词。

技术不多聊，故事继续讲，在 1969年，麻省理工学院的 马文·明斯基 和 西摩·派普特 在他们的著作《感知机》中指出，单层感知机无法解决异或问题（XOR），这导致了对神经网络的兴趣急剧下降，进入了所谓的 "AI 冬天"。

AI 寒冬

无法解决异或问题的单层感知机被认为是一个重大缺陷，这意味着它没有逻辑运算能力，这个发现让人们对神经网络的前景感到失望，导致了资金和研究兴趣的急剧下降。

但是，AI 的发展并没有完全停滞，虽然神经网络受到了冷落，但其他领域的 AI 研究仍在继续，例如专家系统、逻辑推理和符号 AI 等。

1966年，麻省理工的 约瑟夫·魏岑鲍姆 教授开发了一个名为 ELIZA 的程序，它没有大脑，只有一堆精心设计的“替换规则”，当你输入“我很难过”时，它会机械地去掉标点，替换掉“我”和“你”，然后反问：“为什么你感到难过？”

魏岑鲍姆原本只想做一个简单的演示，结果却吓了自己一跳，就连他的秘书都深信不疑，对着这台冰冷的机器倾诉心事，甚至不愿让教授查看他们的对话记录，这是人类第一次集体陷入对规则式AI的幻觉。

这里是不是和我们现在有时候使用AI的感觉很像？有时候也经常看到一些报道，说AI像是有了自己的意识，AI会说谎，AI有自己的意识等等。

在随后的几十年里，这种“硬编码”的逻辑登峰造极，1980年，DEC公司推出了 XCON 专家系统，它像一本厚达2500条规则的百科全书。

如果你买了一台VAX电脑，它就会自动检查：“如果内存是512MB，且硬盘是RA90，那么必须配置#12345控制器”，这套系统每年为公司节省数千万美元，但也极其脆弱，一旦遇到规则之外的意外，它就彻底死机。

故事讲到这里，可以看到这个阶段的 AI 其实并不能算是智能，它更像是一个复杂的决策树，依赖于人类专家的知识和规则来做出判断，而不是通过学习和适应来解决问题。

AI 的复兴

到了 1986年，神经网络的研究迎来了新的突破，大卫·鲁姆哈特、杰弗里·辛顿 和 罗纳德·威廉姆斯 发表了关于反向传播算法的论文，这使得多层神经网络的训练成为可能，极大地提升了神经网络的性能。

1998年，卷积神经网络（CNN）登场，杨·勒丘恩在贝尔实验室展示了 LeNet-5，当时办公室旁边的ATM机给了他灵感，他让这个网络学会了识别支票上的手写数字，那是AI第一次真正走出实验室，悄无声息地渗透进了我们的金融系统。

2012年，辛顿的学生 亚历克斯·克里泽夫斯基 带着 AlexNet 横空出世，在 ImageNet 大赛中，这个使用了两块显卡训练的庞然大物，将图像识别错误率从 26% 骤降至 15% 。那一刻，全世界都听到了冰层破裂的声音，深度学习时代正式来临。

卷积神经网络这个名称很多人应该都听过，但是它实际上是一个90后，还有一个90后，循环神经网络（RNN），它是由 1997年由 塞普·霍赫赖特 和 于尔根·施密德胡伯 提出的，当时受限于算力和数据，当时并未大放异彩。

RNN 的故事放在后面讲，故事继续往下，AI 下一步如何发展，棋局上见分晓。

AI 爆发

大家最直观感觉到 AI 爆发的时间是 2022年底 ChatGPT 发布，紧接着各大厂商纷纷推出自己的大语言模型，各种 AI 应用层出不穷，实际上 AI 爆发点要更早。

1997年，IBM 的深蓝（Deep Blue）击败了当时的国际象棋世界冠军 加里·卡斯帕罗夫，这被认为是 AI 在棋类游戏领域的一个重要里程碑。

深蓝 并不是靠智慧取胜的，它是通过暴力计算来评估棋盘上的每一个可能的走法，深蓝每秒可以算出 2亿 个棋步，这种计算能力在当时是无与伦比的，虽然它没有真正的智能，但它展示了计算机在特定领域可以超越人类的潜力。

2016年，谷歌的 AlphaGo 击败了围棋世界冠军 李世石，这次 AI 不是靠暴力计算取胜的，它背后的技术是深度学习和强化学习的结合，AlphaGo 通过大量的自我对弈来学习围棋策略，最终达到了超越人类的水平。

在棋局上的对弈，AI 展现了它的强大，之后 AI 就跳出了棋盘，AI 的进化速度开始按小时计算。

2017年，Google 团队发表了划时代的论文《Attention Is All You Need》，提出了 Transformer 架构，这就像发现了原子能，从此AI不再需要一步步读句子，而是可以同时看到整段话的所有重点。

2022年底，ChatGPT 发布，整个世界沸腾了，人们突然发现，屏幕对面的不再是一个只会下棋或识图的程序，而是一个似乎什么都知道的“伙伴”。

紧接着，各大科技公司纷纷推出自己的大语言模型，微软的 Bing Chat、谷歌的 Bard、Meta 的 LLaMA 等等，AI 应用层出不穷。

插曲

回到上面说的 循环神经网络（RNN），早在 1980年代，RNN 就被提出了，它厉害的地方在于可以将准备输出的内容重新再作为自己的输入，就像是你想说出来口的话先不说，斟酌修饰一下再说，但是它就像是刚出生的婴儿，根本就记不住不住太久的事情。

后来在 1997年，长短期记忆网络（LSTM）被提出，这就像是给 RNN 装上了一个记忆芯片，让它能够记住更长时间的信息，但是当年的算力和数据限制了 LSTM 的发展。

直到 2010 年初，那时候，iPhone 刚刚普及，语音助手 Siri 上线，你的一句“嘿 Siri”，唤醒了 RNN 对语音理解的统治地位，它是那个时代 AI 理解语言的唯一方式。

不过它有一个致命的缺点，它必须一字一句地串行处理数据，这就像是你在读一本书的时候只能一行一行地读，无法跳过不重要的部分，这种处理方式在面对长文本时效率极低。

为了解决这个问题，2017年，Transformer 架构被提出，它引入了自注意力机制，使得模型能够同时关注输入序列中的所有位置，这就像是你在读一本书的时候可以同时看到整页的内容，快速找到重点信息。

这里的插曲对应这上面提到的 Transformer 的诞生，从这再之后的故事大家也都很熟悉了，毕竟是我们正在经历的时代，AI 的发展速度已经快到让人应接不暇了。

AI 的进化

最早引爆 AI 技术的就是 ChatGPT，不同于只会下棋的 AI，ChatGPT 是一个通用的语言模型，我们突然可以和 AI 进行对话了，虽然早期一直被诟病它的回答不准确，但它的潜力已经显现了出来。

随后 AI 开始疯狂进化，从 2018 - 至今，基于Transformer架构的大语言模型（LLM）成为新一代AI的核心。

围绕着 LLM，出现了不少的新概念，搞得人眼花缭乱，再加上各种自媒体的宣传，很多人都开始焦虑，我这个还没开始学怎么又出现新的技术了？

今天就来梳理一下这些概念，扒一扒这些概念高级感外衣，看看它们的本质是什么。

省流：下面的内容可以不用看，直接看最后的汇总就好了，前面只是简单的介绍概念，内容也不够深入，不想看的可以直接跳到最后的汇总部分。

LLM（Large Language Model）

LLM 是我们经常听到的名词，也称为大模型，全称大语言模型，那在没有大模型之前，它叫什么呢？它叫语言模型（Language Model）。

可以看到就是多了一个“大”字，主要体现在参数量的增加，还有模型大小、训练数据和计算资源的增加，变大了就得取个新的名字了，那就在前面加个“大”字吧。

这样来看是不是发现 LLM 这个名称好像也不特殊了。

Prompt

Prompt 直译过来就是提示的意思，所以也叫它提示词，它的本质就是一段文本，也是大模型的输入参数，这一点后面会反复强调。

Prompt 大家其实都很熟悉了，早期还出现过“提示工程师”这个职业传说，也不知道是真是假，我也没去考究，这里我就不展开了。

Agent

Agent 这个词在 AI 领域有很多不同的含义，最常见的就是指智能体，或者说是一个能够自主行动和决策的系统。

使用过 Coze 或者 dify 这类基于大语言模型的工具的人肯定对 Agent 这个概念不陌生了，实际上 Agent 就是一个基于大语言模型的应用程序，它能够根据用户的输入和环境的变化，自动执行一系列的任务和操作。

扒开外衣来看，Agent 的核心就是使用多个不同的处理器来完成不同的任务，再简单一点可以看下面的一个天气查询的 Agent 的工作流程：

1. 接收用户输入: 今天的天气怎么样？
2. 调用大语言模型进行理解和分析，理解用户的意图是查询天气信息，输出预设的天气查询指令
3. 调用天气查询处理器，执行天气查询指令，获取当前天气信息
4. 将天气信息返回给大语言模型，生成自然语言的回复
5. 将回复发送给用户: 今天的天气是晴朗，温度25度。

用户直观看到的是我在对话框中输入了一个问题，AI 给了我一个答案，但实际上在这个过程中，AI 还调用了其他的处理器来完成查询天气的任务，这就是 Agent 的工作原理。

现在爆火的很多工具其实都是 Agent 的应用，例如大家现在常用的工具 Claude、TRAE、OpenClaw 等等，都是 Agent 的应用。

在这里我先加一个免责申明，Agent 这个概念在 AI 领域有很多不同的定义和理解，不同的人可能会有不同的看法和解释，我仅仅站在我自己的角度和理解，为大家梳理一下这个概念，可能不够全面或者准确，例如 TRAE 可能更加官方的解释是 AI IDE，内置一些什么 Agent，不能纯属 Agent，理性看待这个概念就好。

MCP（Model Context Protocol）

MCP 翻译过来是“模型上下文协议”，是由Anthropic推出的开源协议，旨在规范和促进大语言模型的使用和发展。

看名词好牛好牛的样子，实际上它就是一个协议，约定了大语言模型在使用过程中应该遵循的规则和标准，类似于我们平时使用的 HTTP 协议或者 TCP/IP 协议一样，是为了让不同的系统能够更好地协同工作。

如果把 MCP 看作是 HTTP 协议的话，平时工作也不需要懂 HTTP 协议的细节，使用通用的 API 就可以了，所以不要被这个名字吓到。

MCP 的主要作用其实是为了给大模型提供数据，规范只是为了统一数据的格式和传输方式，例如早期的电子产品一样，每种产品都有自己的充电头，后来有人发明了万能充，直到现在充电线都分 Type-A、Type-C 和 Lightning，由此可见规范有多么重要了。

回归正题，大模型只是基于自己的训练数据来生成回复的内容，对于不知道的内容，它只能根据自己的训练数据来猜测，所以MCP的作用就是为大模型提供更多的上下文信息，让它能够更准确地理解用户的意图和需求，从而生成更有用的回复。

Context(上下文)

上面正好说到了上下文这个概念，别被这个词吓到，实际上它就是指在对话或者交互过程中，用户输入的内容以及之前的对话历史，这些信息对于大语言模型来说都是非常重要的，因为它们能够帮助模型更好地理解用户的意图和需求。

例如，当你在和一个聊天机器人对话时，如果你之前提到过你喜欢吃披萨，那么当你再次提到食物时，模型就可以根据之前的上下文信息来推断出你可能想要吃披萨，而不是其他的食物。

Memory（记忆）

上面刚好又提到之前的对话历史，这就涉及到了记忆这个概念，记忆在 AI 领域通常指的是模型能够保存和利用之前的对话历史或者用户信息，以便在后续的交互中提供更个性化和相关的回复。

如果我把每轮对话都记录下来，然后塞到模型的输入中，这样模型是不是就拥有了记忆了？于是就有了 Memory 这个名称。

实际上还是上面提到的 Context 的概念，如果将每轮对话都保存在本地，于是持久化记忆这个名词就产生了，这样讲是不是突然就不复杂了。

RAG（Retrieval-Augmented Generation）

RAG 翻译过来是“检索增强生成”，这个名字听起来很学术，但其实原理非常直观。

在 RAG 出现之前，大模型就像一个博学但记忆力有限的“书呆子”，它虽然读过海量书籍（训练数据），但记不住所有细节，而且它不知道你电脑里的私有文件，RAG 就是为了解决这个问题而生的。

它的核心逻辑很简单，分为三步：

1. 准备知识库：把你想要大模型参考的文档、资料，切片处理后存到向量数据库里。
2. 检索：当用户提问时，先在知识库里查找与问题最相关的内容片段。
3. 生成：把找到的相关内容作为“参考资料”，连同用户的问题一起交给大模型，让它基于这些资料生成答案。

所以，RAG 的本质就是给大模型配了一个“外挂知识库”，这解决了大模型知识过时、不懂私域知识以及“一本正经胡说八道”（幻觉）的问题，现在你看到的所有“基于XX文档进行问答”的功能，背后几乎都是 RAG 在支撑。

敲重点： 这个外挂的知识库最后还是会被推入到 Context 中的，所以 RAG 其实和 MCP 一样也是向大模型提供上下文信息的一个手段，后面还有也是向大模型提供上下文信息的手段，但是不会再强调了。

Function Calling

在 Function Calling 出现之前，大模型只能生成文本。如果你想让它帮你查天气、发邮件或者操作数据库，那是做不到的，Function Calling 出现后，大模型获得了一项新能力：它不再直接回答，而是学会“发出指令”。 它的工作流程是这样的：

1. 你告诉大模型：“如果你需要查天气，就用 get_weather这个函数。”
2. 当你问“今天天气怎么样”，大模型发现自己不知道，它就会输出一段结构化的 JSON 指令，比如 {"function": "get_weather", "parameters": {"city": "北京"}}。
3. 你的程序接收到这个指令，去调用真实的天气 API，拿到结果（比如“25度，晴天”）。
4. 最后，程序把结果再还给大模型，由它组织成自然语言回复给用户。

到这里有人就要问了，你这个不是和之前的 MCP 一样的吗？返回结构化的数据是不是就是 MCP 一样的规范？

当然不是，MCP 是一个协议，主要用于和外部系统进行数据交互，而 Function Calling 则是大模型内部的一种能力，它让模型能够生成结构化的指令来调用外部函数，这两者虽然有交集，但本质上是不同的概念。

换个说法就明白了，MCP 就是你发 HTTP 请求，Function Calling 就是你用代码调用第三方库的函数，虽然都是在和外部系统交互，但一个是协议层面的规范，一个是功能层面的能力。

API Call

API Call（应用程序接口调用）是一个非常基础但重要的概念，它指的是程序之间的“打招呼”方式。

你可以把它想象成餐厅的服务流程：你是用户，餐厅是大模型，厨房是数据库或其他服务，你（用户）点了一份“鱼香肉丝”（请求），服务员（API）把菜单送到厨房（服务器），厨房做好了菜，再由服务员端给你。

在大模型时代，API Call 特指我们向大模型的云端服务发送请求并获取回复的过程，比如你在代码里写了一段请求，调用了 OpenAI 或 Anthropic 的接口，这就是一次 API Call，它是大模型与我们现有系统连接的桥梁，是 Function Calling 和 Tool 得以实现的基础设施。

说白了就是发请求，拿结果的过程，不管是调用大模型的 API，还是大模型调用外部服务的 API，都是 API Call 的范畴。

Tool（工具）

Tool（工具）是 Agent 能够感知世界和行动的“手脚”。

在 AI 领域，Tool 特指那些可以被大模型调用、用来执行具体任务的外部函数或接口。比如：

• 搜索工具（Search Tool）
• 代码执行工具（Code Interpreter）
• 访问数据库工具
• 发送邮件工具

如果把大模型比作一个聪明的大脑，那么 Tools 就是这个大脑的“手”和“脚”，没有工具，大模型只能“纸上谈兵”；有了工具，它才能真正“动手”去检索信息、操作文件、控制设备。

这个看着是不是很像 Function Calling ？其实 Tool 是一个更广义的概念，Function Calling 是大模型调用工具的一种方式，但工具的实现不一定非得通过 Function Calling，例如有些工具可能是通过特定的 API 接口来调用的，而不需要大模型生成结构化指令。

Skill（技能）

Skill 的本质是一套预定义的“专家人设”或“任务模板”。

它不是什么新鲜的技术组件，而是对 Prompt、Context 和 Tool 的一种封装。在实际开发中，为了避免重复编写冗长的指令，我们会把针对某一特定任务的最佳实践固化下来，这就形成了 Skill。

简单来说，Skill 是一种工程化手段，目的是降低使用门槛，让 AI 在特定领域表现得像专家一样专业，而无需用户掌握 Prompt 工程技巧

汇总

名称	本质	一句话简介
LLM	大模型	参数大，模型大，所以叫大模型
Prompt	输入	你和大模型对话的内容
Agent	基于大模型的应用程序	一次操作多调用多轮大模型
Context	上下文信息	发送给大模型的数据
MCP	模型上下文协议	往大模型插入额外的上下文
Memory	记忆信息	往大模型插入历史对话记录
RAG	检索增强生成	往大模型插入大模型不知道的数据
Function Calling	函数调用能力	通过大模型返回的规范化指令调用特定函数
API Call	应用程序接口调用	调用大模型的接口
Tool	工具	大模型可以调用的函数
Skill	技能	预设的提示词（Prompt）

AI 当下

2022年之后的内容，在我这篇文章中就不展开讲了，自 ChatGPT 发布之后，基本上每年都会有一个新的爆点，都多都是自媒体的宣传炒作出来的，虽然有些技术确实是有突破的。

上面讲了这么多，其实不能发现很多技术的概念早在几十年前就已经出现了，突然间的爆发就像是人们突然间的顿悟一样，是技术积累到了一定程度，终于找到了突破口，才有了爆发的那一刻。

在 AI 不断变化的当下，不妨思考一下为什么 AI 会在不断的变化？我的理解是当下的 AI 并不稳定，所以不停的在变，例如我上面提到的那些概念，还有很多已经被淘汰，还有一些很低层的我没写。

例如稳定的 Java 语言，被 Spring 框架完全统治，再看前端百花齐发，React、Vue、Angular、Svelte 等等层出不穷。

我还记 AI 没火的时候，网上的格调是 Angular 要被淘汰了；又或者是说现在市面上的主流是 React，Vue 的市场需求在变少；这种论调和当下鼓吹 AI 如何相似。

说前端已死从 AI 还没爆火的时候就有了，前端死了好几轮了还没死。

总结

我无法预测未来，这篇文章讲的是历史，通过历史可以看到 AI 其实也是一步一步的发展起来的，保持学习的心态，跟上时代的步伐，才不会被时代淘汰。

当下很多人对于 AI 的焦虑，可能更多的是对于未知的恐惧，未知只是因为你不够了解它，把焦虑的时间拿去学习和了解它，自然就不会焦虑了。