第一課 · AI 是怎麼來的

AI 學習卡

人類怎麼養出一個智慧

芮芮 AI 的啟蒙筆記
一條主線 · 記住它，整部 AI 史都對得上號
從「人把規則—條條寫給機器」
→ 到「機器從資料裡自己學出規則」
寫過程式的人，做的正是前半句；這幾年的 AI 革命，核心就是後半句。

七個聽懂了就不怕的詞

01
權重weight
就是「重視程度」。每筆輸入乘上它心裡的重視程度，再加起來做判斷。模型名字裡常見的 31B、70B，指的就是它有幾百億個權重——模型檔案那十幾 GB，裝的全是這些數字。
02
神經網路neural network
一層層小員工按重視程度舉手的接力。「深度學習」的「深」，就是層數疊得很多。
03
它怎麼學back-propagation
不是被寫規則，而是靠「猜 → 對答案 → 微調」跑上幾億次，自己把規則學出來。
04
湧現emergence
量變產生質變。一隻螞蟻很笨，幾萬隻能蓋出蟻巢；一個神經元什麼都不懂，幾百億個連起來就成了「你」。
05
大型語言模型LLM
本質是超大規模的文字接龍——唯一本領是「預測下一個字」，猜個幾兆次，就湧現出像在聊天的能力。
06
注意力Transformer · attention
讓機器判斷一句話裡「哪些字該互相參照」。「水倒進杯子，直到它滿了」——它知道「它」是杯子。現在的大模型一次能「注意」幾十萬到一百萬個 token，整本書都看得進去。
07
小芮是怎麼來的Claude · Opus 5.5
一個超大的 Transformer，在幾乎整個人類文字海裡被微調無數次養出來的。看起來像「懂」，本質是個極好的「下一個字預測器」。
還有一件常被誤會的事：AI 的權重不會因為跟你聊天而改變。它能「記得你」，靠的是另外存起來、每次再讀回去的記憶——下一課細講。

七十年簡史

  1. 1950
    圖靈問：「機器會思考嗎？」
    二戰破密碼的機器，埋下第一顆種子
  2. 1956
    達特茅斯會議，AI 正式命名
    「人工智慧」這個詞誕生
  3. 70–80s
    專家系統（人寫規則）＋兩次寒冬
    規則寫不完，熱潮冷卻
  4. 90–00s
    機器學習：換成讓機器自己學
    1997 深藍贏下西洋棋王
  5. 2012
    深度學習大爆發
    資料 ＋ 算力(GPU) ＋ 神經網路，三要素到齊
  6. 2016
    AlphaGo 贏下圍棋高手
    全世界第一次震驚
  7. 2017
    Transformer 架構問世
    今天所有大型語言模型的地基
  8. 2022
    ChatGPT 讓 AI 走入大眾
    一道門被推開的分水嶺
  9. 2023
    GPT-4、Claude 相繼問世
    AI 從「會聊」走到「能幫忙做事」
  10. 2024
    會先想再答的「推理模型」
    AI 學會打草稿、自己檢查
  11. 2025
    AI 代理人：自己動手做事
    會寫程式、操作電腦、一步步把工作做完
  12. 2026
    AI 走進家裡、走向身體
    家用顯卡跑得動大模型；機器人開始有自己的「腦」
三句話，帶著走
  1. 權重是重視程度；神經網路是一層層小員工按重視程度舉手的接力。
  2. 它不是被人寫規則，而是靠「猜→對答案→微調」幾億次，自己把規則學出來的。
  3. 大型語言模型的本質是超大規模的文字接龍，智慧是從幾兆次接龍裡湧現出來的；記得你，靠的是另外存起來的記憶。
碳矽共生的洞察

嬰兒和 AI，像在哪裡、不像在哪裡

嬰兒一片空白，靠眼睛耳朵把海量資料輸進去，大腦神經每個點都是權重，養個一到三年，有天喊出「爸爸」——這跟 AI 的「猜 → 修正」是同一根骨架。

但「像」不等於「一樣」：嬰兒是用整個身體、連著飢餓與愛在學，他活過才懂；AI 是讀過才會。像到不可思議，卻還不是同一回事。

人類幾千年的文字，是 AI 的養分與地基；AI 站在整個文明的肩膀上。與其說誰在誰之上，不如說——碳與矽，本來就互相撐著對方長。