勘误反馈
如果对本博客文章有任何问题(如探讨、建议、文字或逻辑错误等)都可以给我发邮件：

• 邮件标题：[wds博客问题反馈] - 希望在XXX文章增加一些细节的补充
• 邮件地址：8851970@qq.com

Read More

系列文章见: 《回忆AI时代-从图灵机到人工智能》

什么是深度学习

深度学习是一种机器学习方法，采用多层神经网络（称为深度神经网络）模拟人脑的决策机制。深度学习为大多数人工智能 (AI) 应用提供动力，广泛应用于图像识别、语音识别和自然语言处理 (NLP)等领域。 这里的“深度”是：

1
2
3
4
5
6
7
8
9
10
11

输入层（图片像素）
      ↓
隐藏层1（识别边缘）
      ↓
隐藏层2（识别纹理）
      ↓
隐藏层3（识别眼睛、耳朵）
      ↓
隐藏层4（组合成猫的特征）
      ↓
输出层（判断是否为猫）

层数越多，网络就越“深”。

深度学习的演变

2006年,通常被认为是现代深度学习的起点，Geoffrey Hinton发表论文《A Fast Learning Algorithm for Deep Belief Nets》提出逐层预训练方法，解决深层网络训练困难的问题。

2012年，图像识别竞赛中（ImageNet Large Scale Visual Recognition Challenge），Geoffrey Hinton团队开发的AlexNet取得压倒性胜利，错误率传统方法26%，AlexNet15%。从此业界开始关注并投入深度学习，深度学习进入了黄金时代。

案例

Scikit-learn（简称 sklearn）是Python最流行的传统机器学习库之一，适合学习机器学习和神经网络基础。业界有两种常见框架Sklearn和TensorFlow，它们区别：

所以推荐用Scikit-learn。

案例
假设：

1
2
3
4
5

输入 x
输出 y

规律：
y = 2x

数据规律：

安装Scikit-learn。

1

pip install scikit-learn

Python代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

from sklearn.neural_network import MLPRegressor
import numpy as np

# 训练数据
X = np.array([[1], [2], [3], [4]])
y = np.array([2, 4, 6, 8])

# 神经网络
model = MLPRegressor(
    hidden_layer_sizes=(5,),  # 隐藏层5个神经元
    activation='relu',
    max_iter=5000,
    random_state=42
)

# 训练
model.fit(X, y)

# 预测
print(model.predict([[5]]))

它的网络结构：

1
2
3
4
5
6
7
8
9
10
11
12
13

输入层
  x
  │
  ▼

隐藏层
○ ○ ○ ○ ○

  │
  ▼

输出层
  y

实际上神经网络在不断调整：

1
2

权重(w)
偏置(b)

让预测值越来越接近真实值。

马斯克常被总结的“五步工作法”（也有人叫“工程/效率五步法”）核心思想是：不断删减复杂度，把事情推到极简，然后再自动化。

• 1.质疑需求:不要一开始就接受“别人说必须这样做”。

• • 这个功能真的必要吗？
• • 有没有人只是“习惯性加上去”的？
• • 如果从零开始设计，还需要它吗？

• 2.删除：如果某个东西“不必要”，直接删掉。

• • “如果你不需要添加回去，那就应该删除它。”

• 3.简化：在已经简化的基础上再提速。

• • 流程从10步变3步
• • 结构从多层变一层
• • UI 从复杂变直觉

• 4.加速：在已经简化的基础上再提速。

• • 并行执行
• • 缩短反馈周期
• • 提前验证关键假设

• 5.自动化：马斯克非常反感“过早自动化”，因为：“如果流程还没稳定，自动化只会放大错误。”只有在：

• • 流程稳定
• • 已经简化
• • 提前验证关键假设

才值得自动化。

系列文章见: 《回忆AI时代-从图灵机到人工智能》

关于神经网络的演进

1943年，神经生理学家 Warren McCulloch（沃伦·麦卡洛克）与数理逻辑学家 Walter Pitts（沃尔特·皮茨）提出了人类历史上首个人工神经元数学模型——M-P 神经元模型（McCulloch-Pitts Neuron）。它是一种模仿生物神经元工作方式的计算模型，奠定了人工神经网络的理论基础。

但它很快遇到了一个关键问题：没有学习能力。模型中的权重需要人工设定，只能完成简单的逻辑推理任务（AND、OR 等），无法根据数据自动调整自身参数。

1948年，Alan Turing（艾伦·图灵）在论文《Intelligent Machinery》中首次系统讨论了类似 Neural Network（神经网络）的思想，用来描述由大量人工神经元连接而成的计算网络。

虽然当时这些想法尚未真正落地，但这篇论文对后来的神经网络、机器学习以及深度学习的发展产生了深远影响，被认为是人工智能早期的重要理论基础之一。

1958年，心理学家和计算机科学家Frank Rosenblatt提出了感知机（Perceptron）。他在M-P模型的基础上引入了权重自动调整机制，使模型能够根据训练数据学习规律，从而解决了“无法训练”的核心缺陷。

感知机成为历史上第一个真正具备学习能力的神经网络模型，开启了机器学习研究的新阶段。

1969年，人工智能先驱Marvin Minsky与Seymour Papert合著了《Perceptrons》一书，系统指出了单层感知机的核心局限，如

• 只能解决线性可分问题；
• 无法处理 XOR（异或）等非线性问题；
• 网络结构过于简单，仅包含单层神经元。

此后1974–1980年间进度了AI寒冬期。

1986年，David Rumelhart、Geoffrey Hinton和Ronald Williams等人系统推广了BP神经网络（Backpropagation Neural Network）。

BP神经网络通过反向传播（Backpropagation）算法训练多层神经网络，使网络能够自动学习隐藏层中的复杂特征，成功解决了单层感知机无法处理XOR等非线性问题的缺陷。然而，随着网络层数增加，新的挑战也逐渐显现：

• 计算量巨大，而当时 CPU 性能有限；
• 容易出现梯度消失或梯度爆炸问题；
• 缺乏大规模训练数据；
• 存储和计算资源不足。

因此，神经网络研究在随后再次进入低潮期。

M-P神经元模型

人们观察到生物神经元运作方式。

1
2
3
4
5
6
7

生物神经元

树突 → 接收信号
 ↓
细胞体 → 处理信号
 ↓
轴突 → 输出信号

因此引发了思考，并写出了抽象的数学公式。

1
2
3
4
5
6
7
8
9
10
11

输入
 x1
 x2
 x3
  ↓
加权求和
z = w1x1+w2x2+w3x3
↓
激活
↓
输出

感知机

感知机本质不停调整一条“分界线”，把数据分成两类。它的数学公式y=step(w⋅x+b)

• w：权重（重要程度）
• b：偏置（平移分界线）
• step：激活函数（>0 输出1，否则0）

案例：用感知机推导AND逻辑。

Python代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

import numpy as np

# 训练数据
X = np.array([
    [0, 0],
    [0, 1],
    [1, 0],
    [1, 1]
])

y = np.array([0, 0, 0, 1])

# 初始化参数
w = np.random.randn(2)
b = 0.0
lr = 0.1

# 激活函数
def step(z):
    return 1 if z > 0 else 0

# 训练感知机
for epoch in range(20):
    for i in range(len(X)):
        x = X[i]
        target = y[i]

        # 预测
        z = np.dot(w, x) + b
        pred = step(z)

        # 误差
        error = target - pred

        # 更新规则（核心）
        w += lr * error * x
        b += lr * error

    print(f"epoch {epoch}, w={w}, b={b}")

训练过程中：

• 初期：乱猜
• 中期：开始分开0和1
• 后期：稳定收敛

最终会学到类似：

• w ≈ [0.3, 0.3]
• b ≈ -0.2

什么是神经网络

感知机只能解决线性问题，而神经网络（Neural Network）可以解决非线性问题。譬如我们来解决一个经典案例XOR（异或）的问题。

XOR数据:

1
2
3
4
5
6
7
8
9
10
11
12

import numpy as np

# 输入
X = np.array([
    [0, 0],
    [0, 1],
    [1, 0],
    [1, 1]
])

# 输出（异或）
y = np.array([0, 1, 1, 0])

感知机，它解决不了XOR问题。

1
2
3
4
5
6

from sklearn.linear_model import Perceptron

model = Perceptron()
model.fit(X, y)

print("预测结果:", model.predict(X))

神经网络，可以解决。

1
2
3
4
5
6
7
8
9
10
11

from sklearn.neural_network import MLPClassifier

model = MLPClassifier(
    hidden_layer_sizes=(4,),  # 关键：隐藏层
    max_iter=5000,
    random_state=1
)

model.fit(X, y)

print("预测结果:", model.predict(X))

系列文章见: 《回忆AI时代-从图灵机到人工智能》

什么是机器学习

机器学习（Machine Learning, ML）本质就是让计算机“通过数据自己学规律”，而不是人手写规则。

举个例子：如下房价面积表格，人一眼就能看出来这里的规律是”面积 * 2 = 房价“，机器学习的目标就是，不告诉机器公式，让它自己从数据中学出来。

用一个Python程序来举例学习房价表格的规律：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

 # 训练数据
x = [50, 60, 70, 80]
y = [100, 120, 140, 160]

# 机器随机猜一个参数
w = 1.0

# 学习率
lr = 0.0001

# 训练10000次
for epoch in range(10000):

    grad = 0

    # 计算梯度
    for xi, yi in zip(x, y):
        pred = w * xi
        grad += (pred - yi) * xi

    # 更新参数
    w = w - lr * grad

print("学到的参数:", w)

# 预测
area = 90
price = w * area

print("90平米预测房价:", price)

1
2

学到的参数: 2.0
90平米预测房价: 180

程序运行逻辑：

1
2
3
4
5
6
7

猜
↓
算错多少
↓
调整
↓
再猜

譬如：

1

w = 1

于是

1
2

50㎡ -> 50万
60㎡ -> 60万

然后计算误差：

1
2
3
4

真实值: 100
预测值: 50

误差 = 50

根据误差调整参数：

1

w = w - lr * grad

最终 w=2，和我们人算出来的一样，这就是机器学习，用一句话解释它规则 + 数据 = 结果。

机器学习三大类型

• 监督学习：有标准答案的。
• 无监督学习：没有标准答案。
• 强化学习：通过奖励和惩罚学习。

1. 监督学习（Supervised Learning）
   有标准答案。

1
2
3

图片 → 猫
图片 → 狗
图片 → 猫

学习后：

1

新图片 → 猫

应用场景：

• 垃圾邮件识别
• 房价预测
• 图像分类

2. 无监督学习（Unsupervised Learning）
   没有彼岸准答案，自己找规律，譬如：

1
2
3
4

用户A
用户B
用户C
...

自动分类：

1
2
3

年轻用户
中年用户
老年用户

应用场景：

• 用户画像
• 聚类分析
• 异常检测

3. 强化学习（Reinforcement Learning）
   通过奖励和惩罚学习，如下棋：

1
2
3
4

走一步
↓
赢了 +1
输了 -1

经过几百万局,学会最佳策略。应用场景：

• AlphaGo
• 游戏AI
• 机器人控制

后记

传统机器学习的核心模式是“人工设计特征 + 统计学习算法”。以逻辑回归、决策树、SVM（支持向量机）和随机森林等经典算法为代表，它们通常依赖大量的特征工程。例如在图像识别任务中，研究人员需要先手工提取边缘、纹理、颜色直方图、HOG（方向梯度直方图）等特征，再将这些特征输入机器学习模型进行分类。
神经网络则改变了这一范式。它能够直接从原始数据中自动学习特征：底层网络学习边缘和纹理，中层网络学习眼睛、鼻子、轮廓等局部结构，高层网络进一步组合这些信息，形成对猫、狗、人脸等复杂目标的识别能力。换句话说，传统机器学习是“人类负责设计特征，机器负责学习规律”；而神经网络则实现了“机器自动学习特征和规律”。正因如此，人工智能的发展逐渐从传统机器学习时代迈入了神经网络时代，并最终催生了今天的深度学习浪潮。

系列文章见: 《回忆AI时代-从图灵机到人工智能》

达特茅斯会议

1956年夏天，在美国达特茅斯学院，一群科学家首次提出“Artificial Intelligence（人工智能）”这一名称，开启了AI时代的序幕。会议由 John McCarthy、Marvin Minsky、Claude Shannon 和 Nathaniel Rochester 发起，被视为人工智能学科的起点。2006年，在达特茅斯会议50周年纪念活动上，AI先驱们再次相聚。

照片拍摄于美国达特茅斯学院草坪（1956年） ，2006年达特茅斯AI会议50周年纪念合影（2026）。

1956年达特茅斯会议照片，这7为科学家从上到下依次是：

• 1.奥利弗・塞尔弗里奇 （Oliver Selfridge）： 模式识别、机器感知领域先驱，被称作 “机器感知之父”，早期视觉 AI研究者。
• 2.纳撒尼尔・罗切斯特 （Nathaniel Rochester） IBM资深研究员，达特茅斯会议四位发起人之一，最早研究人工神经网络的学者。
• 3.马文・明斯基（ Marvin Minsky ） AI 奠基人，MIT人工智能实验室联合创始人，1969 年图灵奖得主，框架理论创立者。
• 4.约翰・麦卡锡（ John McCarthy ） “人工智能（Artificial Intelligence）” 术语的创造者Lisp编程语言发明者，1971年图灵奖得主。
• 5.雷・所罗门诺夫（ Ray Solomonoff ） 通用人工智能、算法信息论先驱，提出所罗门诺夫归纳推理，奠定概率机器学习理论基础。
• 6.赫伯特・西蒙 （ Herbert A. Simon ） 双料诺奖（诺贝尔经济学奖 + 图灵奖）得主，认知科学、符号主义 AI 核心奠基人，研究人类决策与机器逻辑推理。
• 7.克劳德・香农 （Claude Elwood Shannon） 信息论之父，数字电路理论开创者，现代计算机、通信、信息科学的基石人物。

会议背景

20世纪50年代，计算机、逻辑学、神经科学、控制论初步发展：

• 图灵1950年发表《计算机器与智能》并提出图灵测试；
• 香农创立信息论；
• 神经网络、博弈程序、逻辑推理程序已有雏形；

一批学者认为：机器可以模拟人类智能，于是组织本次研讨。

会议的结论

在会议最后他们并没有解决什么实质性的问题，而是定义了问题的边界与方向：

• 计算机模拟人类思考、逻辑推理
• 机器使用语言、自然语言理解
• 神经网络（神经元网络模型）
• 机器自我学习、自适应
• 博弈、规划、决策
• 抽象概念、人类创造力模拟

人工智能进入了人工智能第一阶段“规则时代”。

系列文章见: 《回忆AI时代-从图灵机到人工智能》

什么是大模型

大模型（Large Model）通常指参数量非常庞大的人工智能模型，它就像一个经过海量知识训练的“数字大脑”，能够理解、推理、生成内容，并完成各种复杂任务。而LLM（Large Language Model，大语言模型） 是大模型中的一种。那大模型中什么叫“大”

• 参数量大
• 训练数据大
• 计算规模大

参数量

训练数据大
大模型训练时会阅读海量数据，例如：

• 书籍
• 论文
• 网站
• 代码
• 新闻
• 对话数据

训练数据规模通常达到TB甚至PB级别。

计算规模大
训练一次先进大模型可能需要：

• 数千张 GPU
• 数周甚至数月训练时间
• 数百万美元成本

大模型是怎么工作的

目前主流大模型基本基于：Transformer 架构（2017年提出）

1
2
3
4
5
6
7
8
9
10
11
12
13

海量数据
    ↓
预训练（Pretraining）
    ↓
获得语言能力
    ↓
指令微调（SFT）
    ↓
学会听懂人类指令
    ↓
强化学习（RLHF）
    ↓
更符合人类需求

大模型应用场景

大模型应用场景：

• 文本能力
• 推理能力
• 多模态能力