目前，AI 的发展已不再局限于单一的技术和应用范畴，而是融合了众多学科知识，并深入渗透到生活的各个层面，引发了一场生产力的革命。
有观点认为，AI 引领的是第四次工业革命的浪潮，继蒸汽机引发的机械化变革、电力驱动的电气化革新，以及电脑普及带来的信息化浪潮之后，AI 正推动着智能化时代的到来。
2025 开年 3 个月，AI 已经狂飙，更新密集发布，发展速度远超大多数人的预期，每天都在进步。
从技术层面看，Transformer 架构在 2017 年就被提出，但 AI 是近几年才爆发，其中重要因素之一是神经网络的规模。以 GPT 模型为例，从 2018 年第一代的 1 亿左右参数量，到 2023 年第四代的万亿规模（估计），随着参数量的增加，AI 的能力不断提升，在超过一定规模后，出现了“涌现”能力，智能程度飞速上升，但对于这种“涌现”出现的机理，目前还没有统一的解释。可以说，目前 AI 的发展更像是一种“发现”。
分享嘉宾：陈禄博士分享时间：2024年12月分享地点：杭州·时照启明堂这个介绍缘起于时照老师，他希望我给时照启明堂的同学们介绍下，AI是什么？AI能做什么？这个题目挺难。如今，AI已不再局限于单一的技术和应用范畴，而是融合了众多学科知识，并深入渗透到生活的各个层面，引发了一场生产力的革命。有观点认为，AI引领的是第四次工业革命的浪潮：继蒸汽机引发的机械化变革、电力驱动的电气化革新，以及电脑普及带来的信息化浪潮之后，AI正推动着智能化时代的到来。现在的情况有点儿像是在90时代初想讲明白电脑是什么，一个是它包含的内容和概念实在非常广阔，第二是它在迅速发展变化中，在90年代初其实极少有人能预见和想象到后续计算机和互联网的发展。举这个例子也是希望大家能够有个初步印象，咱们要讨论的，是一个“大家伙”。然而，这个话题同样充满了趣味与深远的意义。AI引发的变革正以惊人的速度影响着我们的生活和工作，其发展速度远超大多数人的预期，堪称当下最“酷”的现象之一。就像探索未知世界一样，深入了解并运用AI，能为我们带来无尽的乐趣与惊喜；此外，AI的发展在哲学和思想的层面促使人类去反观和思考，到底什么是智能，什么是人，什么是“我”，AI在帮助我们更透彻地领悟人生的意义。所以，虽然我觉得这个问题很难，甚至我未必有资格来介绍，但是我觉得它实在很有趣，所以希望和大家分享一些我所知的和我的想法。目标不是说一定能有用，大家能觉得有点意思就行。
📄详细介绍：[https://xiaohu.ai/c/ai-23cc23/micdrop-ai-5ec77392-9592-4925-80ff-d5cbbe7ecdc5](https://xiaohu.ai/c/ai-23cc23/micdrop-ai-5ec77392-9592-4925-80ff-d5cbbe7ecdc5)🔗[https://x.com/imxiaohu/status/1897215484367683779](https://x.com/imxiaohu/status/1897215484367683779)4⃣️🚀2025开年3个月，AI已经狂飙！R1席卷全球，然后是O3、Grok 3、Claude 3.7、GPT-4.5……短短3个月内，AI更新密集发布！然而很多人仍未察觉AI正在指数级加速，甚至抱怨GPT-4.5表现不佳……但事实上，AI发展已经是直线拉升状态，每天都在进步！兄弟们，我们正身处一个无法想象的时代！🔥🔗[https://x.com/imxiaohu/status/1897158053088415942](https://x.com/imxiaohu/status/1897158053088415942)5⃣️🗣️Grok语音模式全面开放！Grok的语音模式现在向所有用户开放，支持11种模式（包括2种18🈲）！🎯升级亮点：自带语音字幕，是个学习英语的好工具！但目前仍仅支持英文。😂哈哈哈，大家快去试试！🔗[https://x.com/imxiaohu/status/1897114984288805100](https://x.com/imxiaohu/status/1897114984288805100)
你可能注意到了，Transfomer架构在2017年就被提出了，但是AI似乎是最近几年才爆发的。那说明一定还有其它的重要因素影响了AI的发展。最重要的因素之一就是神经网络的规模。还记得我们之前说到的神经网络中每条连接的权重和每个节点的阈值是这个神经网络最重要的参数，它们事实上就是AI学习到的知识。那么，参数的大小一定程度上也体现了AI的知识多少和智慧水平。那么参数越大应该就越聪明咯？我们拿最早通过图灵测试的GPT模型为例。在2018年的时候，它的第一代模型参数量只有1个亿左右，第二代是15个亿，第三代是近两千亿，2023年的第四代模型到达了万亿规模（估计）。也正是第四代模型，才跨越了图灵测试的标准。这也是为什么现在的这一类AI又被大家成为大模型。因为“大”确实是它的一个很重要的特征。有人给GPT的模型做了一个可视化，这里每个小点都是一个数，可以从视觉上感受一下第三代的千亿模型是多么庞大的规模。目前大家使用的万亿模型已经超越了这个量级，未来可能会更多。事实上，大模型的“大”远非这么简单。在GPT3之后，人们发现了大模型的“涌现”能力。图中的图表是随着模型参数的增长在一些任务上AI完成的正确程度，也可以看作AI的智能度。可以看到，在某一个模型规模之下，即使模型参数增加了，AI的智能度始终是在非常低的水平徘徊；但是超过一个规模值之后，AI的智能程度会随着模型参数的增加飞速上升，能够到达原先无法企及的程度。这些智能就像是“涌现”出来一样。在参数量到一定规模以上，AI像是“开悟”了，会突然变得聪明很多，并且能学会“举一反三”。目前，对于这种“涌现”出现的机理，还并没有统一的解释。可以说，目前AI的发展，与其说是发明，其实更像是一种“发现”。