上篇结尾，我们聊到人工智能在世纪之交陷入了"三缺"困境：缺数据、缺算力、缺一个能用的算法。专家们在实验室里苦苦折腾，就像厨子守着没米的锅——手艺再好也做不出饭来。
然后，2012 年的秋天，一声惊雷劈开了阴云。
那一年我还在用一台风扇呼呼作响的老笔记本，看视频卡得像放 PPT，手机是块砖头一样的安卓机，拍照糊得像印象派油画。而就在这一年，计算机视觉领域发生了一件事，让所有人的下巴都掉到了地上。这篇中篇，就从这声惊雷讲起——讲讲 2012 到 2022 这十年，深度学习如何一路点燃了整个世界。
十年星火，一张时间线
AlexNet：一声惊雷
这一年，ImageNet 图像识别竞赛上，一支名不见经传的队伍用一个叫 AlexNet 的卷积神经网络参赛，把错误率从 26% 一口气干到了 15.3%——直接砍掉近一半！评委们揉了揉眼睛，怀疑是不是看错了。要知道，在此之前，计算机视觉圈子对神经网络普遍是"嗤之以鼻"的态度，觉得那是上世纪玩剩下的老古董。结果 AlexNet 用两块 GTX 580 显卡（当年一块要四五千块人民币，学生党咬咬牙才买得起），吭哧吭哧训练了五六天，就把传统方法按在地上摩擦。我记得当年在论坛看到这个消息，评论区清一色"？？？"——大家都意识到，有什么东西不一样了。后来有人说，2012 年的 ImageNet，就是深度学习的"大爆炸奇点"。
GAN：酒吧餐巾纸上的天才想法
2014 年，伊恩·古德费洛（Ian Goodfellow）在蒙特利尔一家酒吧里跟朋友喝酒，聊着聊着，突然在餐巾纸上画出了 GAN（生成对抗网络）的雏形。思路绝了：让两个神经网络互掐——一个负责"造假"生成图片，一个负责"打假"鉴别真伪，两个越掐越强，最后造假的那个连人眼都骗得过。第一张 GAN 生成的"人脸"现在看起来糊得像马赛克，但当时已经足够惊人。谁能想到，八年后风靡全球的 AI 绘画，祖师爷就是这张餐巾纸呢？天才的灵感，有时候真的只需要一杯啤酒的功夫。
AlphaGo 大战李世石：那个不眠的春天
2016 年 3 月，首尔。DeepMind 的 AlphaGo 挑战世界围棋冠军李世石。那几天我熬夜看直播，朋友圈彻底刷屏，各种"人类最后尊严"的段子满天飞——"围棋是人类智慧最后的堡垒""堡垒从内部被攻破了"……前三局 AlphaGo 连下三城，弹幕里一片哀嚎，气氛丧得像世界末日。结果第四局，李世石下出了围棋史上著名的"神之一手"（第 78 手），硬生生从 AI 手里抢回一局！我当时在屏幕前直接喊出声来，室友还以为我中了彩票。那一刻的感觉特别复杂：既为人类棋手骄傲得想哭，又清楚地知道——时代真的变了。最终比分 4:1，AI 赢了，但李世石赢得了所有人的尊敬。这一战之后，"人工智能"四个字第一次真正走进了千家万户的茶余饭后。
Transformer：八个作者，一篇封神
2017 年 6 月，谷歌大脑团队扔出一篇论文，标题霸气侧漏：《Attention Is All You Need》（你只需要注意力）。这篇论文提出的 Transformer 架构，彻底抛弃了传统的循环结构，全靠"注意力机制"来处理序列——训练速度快得离谱，效果还好。当时没几个人意识到，这篇只有八位作者的论文，会成为未来十年 AI 的"地基"。更有意思的是后来的八卦：这八位作者后来大多离开了谷歌，纷纷跑出去创业，成了 AI 创业圈的"梦之队"。有人说，这是谷歌历史上"最贵的一次人才流失"；也有人说，正是这种出走，才点燃了整个大模型时代的燎原之火。一篇论文，八个人，改写了一个行业——传奇不过如此。
BERT 与 GPT-1：双雄并起
2018 年是 Transformer 开花结果的一年，诞生了 NLP（自然语言处理）史上的"双子星"。谷歌的 BERT 像个"阅读理解学霸"，把 11 项语言理解任务的纪录刷了个遍，开源出来后人人都能用，学术界欢呼雀跃；而 OpenAI 的 GPT-1 则走了另一条路：用"生成式预训练"教会模型"说话"，虽然当时只有 1.17 亿参数，名气不如 BERT，但它埋下了一颗种子——"大力出奇迹"的种子。一边是精巧的理解派，一边是野蛮生长的生成派，谁也没想到，几年后后者会彻底统治江湖。
GPT-3：1750 亿参数的震撼
2020 年 6 月，OpenAI 发布 GPT-3，参数量直接干到 1750 亿——是 GPT-2 的 116 倍！这个数字当时把所有人都吓傻了。更吓人的是它的表现：写文章、写代码、做翻译、编故事，样样都像模像样，甚至能"举一反三"，给几个例子就能学会新任务（这就是后来的"提示工程"的雏形）。我第一次试玩 GPT-3 的 demo 时，让它续写一段小说，它写出来的文字流畅得让我后背发凉，心里只有一个念头："写作这碗饭，还能吃几年？"从两块 GTX 580 训练五六天，到 GPT-3 烧掉上千万美元、用上万块顶级显卡训练——短短八年，AI 的"军备竞赛"已经夸张到普通人难以想象的地步。
回头看这十年，故事线其实特别清晰：AlexNet 证明了"深度学习真能打"，GAN 证明了"AI 还能创造"，AlphaGo 证明了"AI 能超越人类直觉"，Transformer 则递上了"通往通用智能的钥匙"，而 GPT 系列一步步把这把钥匙插进了锁孔。从图像到围棋再到语言，AI 的领地每两三年就扩张一圈。
小结
2012 到 2022，是深度学习从"实验室惊雷"变成"时代洪流"的十年。它始于两块游戏显卡，终于上万块 AI 芯片的军备竞赛；始于一小撮极客的狂欢，终于全人类茶余饭后的谈资。这十年里，AI 学会了看图、学会了下棋、学会了"说话"——每一步都踩在算力、数据和天才想法的交汇点上。
给读者的启发其实就一句：别小看任何一次"惊雷"。2012 年嘲笑神经网络的人，2016 年说"AI 下围棋也就那么回事"的人，2020 年说"GPT-3 不过是个高级鹦鹉"的人——都被现实轻轻打了脸。技术浪潮来临时，最好的姿势不是预测它有多远，而是先跳上船再说。
那么，GPT-3 之后发生了什么？2022 年底，一个小小的聊天框横空出世，一夜之间让全世界都开始跟 AI 聊天——下篇，我们聊 ChatGPT 爆火与大模型时代，看看这场十年大火，是如何烧成燎原之势的。
Comments NOTHING