01-一台懂知识的机器，会不会成为“教授”？

到目前为止，我们已经聊了不少编程中的聪明思路和算法技巧。现在，是时候揭开一项神秘又炫酷的技术面纱了——它叫“人工智能”。

别以为人工智能只是出现在电影里的高科技玩意儿，其实你可能早就和它打过交道：能自己开的车、能聊天的音箱，还有那个在围棋比赛上打败人类冠军的 Alpha Go 或者在 2022 年发布五天内，用户直接图片 100 万的 ChatGPT，这些全都是它的杰作。

1. 所谓“专家系统”，是让电脑变成专家？

今天我们要聊的是人工智能世界里的一位“老前辈”，它有个听起来就很厉害的名字：专家系统。

听起来是不是像是给计算机发教授证？科学家还真就有这方面的想法。他们希望让计算机变成某个领域的“超级高手”，帮助人类解决棘手问题，甚至发现新知识。

可你可能要问了：“咱们不是说，电脑不能像人一样思考吗？它们怎么当专家？”

2. 一切从“符号”和“推理”开始

在人工智能领域，有一群科学家属于符号主义学派。他们觉得，人的思考其实可以看作是一种“符号运算”——就像做数学题和推逻辑题一样。可以用一堆堆数学符号和逻辑学符号来表示，所以被称作符号主义学派。

这和前面提到的行为主义学派不同，这个学派最关注的是你给计算机输入了什么信息、它做出了什么反应。（省字版：行为主义学派更关注计算机的表现）比如：你输入 A，它就输出 B，至于中间怎么想的，不重要。而符号主义者偏偏要搞清楚“思考的过程”。

那符号主义又是怎么想的呢？

他们认为，人类能聪明、能思考，能得出各种各样的知识，是因为我们有一种特别厉害的能力：逻辑推理能力。

比如：

• 咱们人类的祖先看见了树木能浮在水面上，就推理出来咱们可以用这种树木头造船；
• 他们发现火特别烫，就推理出，用火可以加热食物，这就是用逻辑推理能力获取的知识。

这种“从已知推出未知”的能力，是人类智慧的关键。（换种说法：从已知的知识的基础上继续进行推理，发现更多的知识）

举个例子：在小学阶段，我们学过三角形的面积公式。只要知道这个公式，我们就可以把长方形、平行四边形、梯形都切分别成几个小三角形，推算出他们的面积公式。——这都是逻辑推理能力的功劳。

符号主义学派的科学家就认为：虽然计算机复制不了人类的大脑，但复制人类的推理规则还是没问题的，毕竟在数学和逻辑学领域，已经有现成的符号公式来表示这种推理过程了。那计算机是不是也能像人一样进行推理、总结知识？

只要计算机拥有了人类的逻辑推理能力，再给它输入一些基础知识，它不就能自己总结出新知识了吗？

听起来是不是有点道理？

3. 会“推理”的程序，真的出现了

于是，一款名叫“逻辑推理家”的程序诞生了。科学家把数学知识和推理方法输入进去，结果它真的推出了一些新的数学定理。甚至有些证明步骤比人类还简洁！

这个实验成功后，专家系统的概念就火了。于是科学家，开始在其他领域也使用专家系统。

比如在1970年代，美国斯坦福大学的科学家开发了一个叫 Mycin 的医学专家系统。它的本事就是根据病人的回答判断病情，然后给出建议。

科学家给 Mycin 输入了600多种不同的判断规则，通过不停地问问题，来对病人的病情进行判断。

例如：你是不是发烧？如果你说是，就接着问你是不是觉得口干舌燥？如果你说我没有发烧，那它就问你是不是肚子疼？……一连串问题问下来，Mycin 就能根据科学家设定好的规则，推理出你得的是什么病，并且能给医生提供一些开药建议。

听到这你可能就发现了，这有点像是我们生活中玩的一种游戏，十八猜。我可以提18个问题，然后猜出你心里想的是什么。

比如，我们来实际玩一轮：“你心里想的是一种动物。我可以通过最多18个问题，把它猜出来。”

我：这个动物是哺乳动物吗？

你：是。

我：它会飞吗？

你：不会。

我：它生活在水里吗？

你：不会。

我：它比人大吗？

你：是。

我：它身上有毛吗？

你：有。

我：它有长鼻子吗？

你：有！

你这时候已经笑了：你猜到了吧？没错，是大象！

看见没？我并不是一上来就乱猜“是不是大象”，而是通过一系列有逻辑、有目的的问题，不断缩小范围，最终推理出答案。这种方式其实和 Mycin 的工作方式是一样的——通过问一连串问题，在每个答案的基础上不断“排除”和“确认”，最终得出一个“非常靠谱”的结论。

不同的是，我玩的是游戏，Mycin 问的都是和疾病有关的问题。有意思的是，Mycin 的表现非常好，水平比一般的医生还要高，算得上是名副其实的专家了，成了真正的“AI医生”。

4. 专家系统到处开花

从医学到化学、地质，甚至是计算机销售，各行各业都出现了专家系统的身影。

科学家一琢磨：既然这套系统在各个领域都能当专家，要不咱干脆把全人类的知识都输入进去，做一个超级无敌的“通才AI”？说干就干！

这个宏大的计划，叫做 Cyc 项目，启动于1984年，它的愿景是让每家每户都拥有一台会思考的“百科全书”。

结果呢？15年后，Cyc 依旧没能成为家用必备神器，也没在科研上搞出什么大突破。

这是为什么呢？

5. 思维≠逻辑，人类不是规则机器

为什么 Cyc 失败了？

有位人工智能大师点破了关键：

用当时一位人工智能大师的话来说：符号学派的科学家把人的思考过程简化成了一堆逻辑运算，人类的智慧并不是一堆冷冰冰的逻辑拼图，这不太靠谱了。真正的智能，根本不是靠“写规则”写出来的。

换句话说：人的思维远不是几条逻辑规则就能囊括的，把人类复杂的思考过程简化成一堆符号运算，听上去聪明，实则不太靠谱。

举个例子：金属能导电，钢铁是金属，所以钢铁能导电——这没问题，也非常符合逻辑推理的过程。

但要是只有逻辑推理能力，没有人类的理解能力，就可能会推出奇奇怪怪的结论。例如：金属可以导电，钢铁是金属，一个人拥有钢铁般的意志，所以这个人的意志可以导电，这就是个荒谬的结论了。

这就是专家系统的软肋：它懂逻辑，但不懂语境和常识。

6. 偶然的惊喜：知识图谱登场

虽然 Cyc 没能大放异彩，但它孕育出的一个“小分支”却异军突起，这就是今天被广泛使用的：知识图谱。

还记得专家系统要输入很多知识吗？知识图谱就是把这些知识画成图，标出它们之间的关联。你可以把它当成“超级思维导图”。

想象一下，小猪佩奇”和它的亲戚们的关系图谱：乔治是佩奇的弟弟、猪爸爸是他们的父亲、克洛伊是他们的堂姐……这些关系都能画出来。

通过知识图谱（思维导图），就可以很清楚的看见小猪们之间的关系，这就是知识图谱的思路。

当然了，现实中的知识图谱复杂得多，计算机要对信息做处理，理解这些信息的含义。

那知识图谱有什么用呢？对于本书前面提到的搜索引擎来说，知识图谱特别重要。搜索引擎需要找到许许多多信息间的关系，建立起关系图谱。

当你使用搜索引擎搜索：佩奇弟弟的时候，它就会理解你要找的其实是乔治，而不是随便哪个角色，于是会把和乔治有关的结果排在最前面。

7. 把知识连成网，才算真正理解

知识图谱不仅对搜索有用，对学习也很重要。

我们平时学到的知识，常常是零碎的，但是这些知识之间当然是有逻辑关系的。如果能把这些知识点之间的逻辑关系连起来，画成一张“知识地图（知识图谱）”，你就能看清它们是怎么互相影响的。

如果你发现，某个知识点和其他知识点连接不上，那很可能是你对这个知识点的理解不够深或者理解错了。通过这种方法，你就可以对学过的知识进行检查，和重新理解了——达到查缺补漏的效果！

8. 智能，还差一点点“人味”

专家系统虽然智能，但它的“思考”仍停留在规则层面，无法理解人类的情感和复杂判断。

那如果让人工智能参与真正需要判断和同理心的事情，比如上战场，它能分辨出敌人和平民吗？你可以自己思考思考……

当然，专家系统给了我们第一代“会思考”的程序，让我们第一次看到了人工智能可能带来的力量。但接下来要讲的不是“老派专家”，而是这几年让全世界都震惊的新一代智能代表——ChatGPT！

写到这，本篇的主要内容其实已经表达完成。但是在书写本文内容的时候，更强大的 ChatGPT、DeepSeek 也强势登上舞台。所以，还是写一下最新的人工智能。

9. Hello，ChatGPT！智能界的“新顶流”

如果说专家系统是按规则推理的老学究，那 ChatGPT 更像是个幽默又有见识的朋友——你和它聊天，它不但能答题、能写作、还能陪你唠嗑，连讲笑话、写剧本、写代码都不在话下。

ChatGPT 是什么？它是一个“大语言模型”，是 OpenAI 公司开发的 AI 系统。简单来说，它就像是“读遍全世界”的超级写作机器人。它读了无数网页、书籍、论文、小说，然后学会了人类语言的规律。你跟它说话，它就能用“非常自然”的语言给你回答。

但你可能会问：这玩意儿和专家系统有什么区别？它也是“输入-输出”啊！

别急，这可不一样！

10. 不再靠“死规则”，而是“读多了就会说”

ChatGPT 不是靠科学家一条条写规则教出来的。它靠的是——深度学习。

怎么理解呢？我们可以把它类比成一个“超级婴儿”，从小每天听人说话、读文章、看对话，听得多了，自然就会说了。

它背后的技术叫做“神经网络”，受人脑启发而来的一种模型。你可以把它想象成有无数个“虚拟神经元”组成的大脑，通过不断训练，这个“人工大脑”慢慢学会了如何理解语言、生成语言。

和专家系统相比，ChatGPT 并没有“手动输入的规则库”，它自己通过学习大量文本，总结出了语言的规律。也就是说，它不是照着死规则操作，而是能根据上下文和语境，灵活生成回答。

11. 聊天、写诗、解题、陪伴……全能选手

ChatGPT 最神奇的地方在于，它可以“伪装成任何人”：

• 你让它写作文，它能像个作家；
• 你让它解题，它能像个数学老师；
• 你想和它聊哲学，它甚至能像个思辨家；
• 如果你伤心，它还能给你温柔的安慰（虽然它并不真正理解情感，但表现出来很像）。

它能做的事，实在太多太多了。有人拿它写剧本，有人拿它辅助写代码，还有人直接用它写论文、出试卷、做策划案……

甚至有程序员把 ChatGPT 接入各种软件，让它能写代码、生成网页、回答用户问题、自动写总结……已经快成“万能打工人”了！

12. 那它真的懂我们说的话吗？

有意思的是——ChatGPT 看起来“懂”，但其实它并不是真正理解。

它更像是一个超级“模仿者”，靠着统计和语言模式来“猜”出你下一句话想听什么。你问它问题，它会从它见过的内容中，找出最“有可能是正确答案”的那种回答方式。

这也是为什么，有时候 ChatGPT 会一本正经地说胡话——它说得非常像真的，但其实不一定对。这种现象叫“幻觉（hallucination）”。

比如你问它：“历史上有没有人发明过时间停止机？”它可能会认真给你讲一堆伪科学故事，还编出个发明家的名字，让你都快信了……

这说明什么？ChatGPT 虽然厉害，但它不是“思考者”，它是“语言生成器”。

13. 从“专家”到“大模型”：AI 的代际变化

如果把人工智能的发展看成一场接力赛：

• 第一棒，是专家系统，用规则来推理；
• 第二棒，是机器学习，让 AI 自己学经验；
• 第三棒，就是今天的大语言模型，让 AI “读遍天下书”，从语言中学出智慧。

这一棒交到 ChatGPT、GPT-4、Claude、Gemini、文心一言、通义千问……这一系列“大模型”手上。

它们不再靠程序员硬写规则，而是靠庞大的语料库 + 高性能算力 + 模型训练，学会了“像人类一样表达和交谈”。

14. 那未来会怎么样？

ChatGPT 只是个开始，以后我们可能会有：

• 会写作业的 AI 老师；
• 会写代码的 AI 同事；
• 会陪你说话的 AI 小伙伴；
• 甚至会跟你谈恋爱的 AI 角色（不过这就有点黑镜了……）

当然，AI 越来越强，也引发了很多讨论：

• 如果学生全靠 ChatGPT 写作文，那学习还有意义吗？
• 如果老板让 AI 接替员工，那人类会失业吗？
• 如果 AI 表现得像人类，那人类还特别吗？

这些问题，没有简单答案，但可以确定的是：未来已经悄悄到来，AI 正在重新定义“智能”这个词的含义。

在本文，最后的最后。我要提一下 DeepSeek，就在 ChatGPT 横扫全球、成为“智能顶流”的同时，国内也有一位新选手悄悄登场，它的名字叫——DeepSeek。

别看名字有点酷，它确实也很能打。DeepSeek 是一位“中文大拿”，不但能对答如流、知识渊博，还是个写代码的高手，甚至连图像识别也不在话下。有趣的是，它不是靠死记硬背，而是像 ChatGPT 一样，读了很多很多书（数据），自己学会了怎么说话、怎么回答问题。可以说，这是我们自己的“AI 学霸”！甚至一度可以超越 ChatGPT，这个就不过多的赘述。

其实说实话，ChatGPT 一直都是闭源的。直到 DeepSeek 横空出世并且完全开源，随之马上发布 o3-mini、o3-mini-high，还展示出来思维链。其实怎么说呢？有没有可能抄袭 DeepSeek 呢？（谁都说不准，但是大家一定要有自己的想法才可以！）

我希望你注意以下几点：

1. OpenAI 是坐拥海量资源训练出来的；「成本高、“人才多”、GPU 充裕」
2. DeepSeek 是在资源缺乏中训练出来的并且完全开源！；「成本低、“人才多”，GPU 不充裕」
3. OpenAI 在 DeepSeek 开源出来之后，上线 o3 系列并且显示思维链，也值得深思！
4. 这两个大模型都很厉害，但是请注意！也许现在看起来 DeepSeek 略弱一点，但是资源多一些、GPU 充裕一些呢？你细品！细细品！

15. 黑镜了「解析·选读」

前面提到了：“黑镜了”这个说法，我来稍微解释一下。

其实是来源于一部非常有名的英剧，名字就叫 《黑镜》（Black Mirror）。

这部剧专门讲“科技发展到极致后会出现什么可怕结果”，每一集都是一个独立的故事，比如：

• 有一集讲的是人们的社交评分系统，每个人的行为都会被他人打分，分数高才能住好房、坐高铁，结果人都变得不敢说真话，只为讨好别人；
• 还有一集讲的是 AI 模拟死去的亲人，让人可以和“他”继续对话，结果变成了精神折磨……

因为《黑镜》里的科技设定往往过于真实、又过于压抑和令人不安，所以大家常用“黑镜了”这个说法，来形容某些“听上去很先进，其实有点可怕”的科技趋势。

比如我上面写的那句：“甚至会跟你谈恋爱的 AI 角色（不过这就有点黑镜了……）”

意思就是：这听起来是未来的一种可能，但也带有点 creepy（诡异）、不安，仿佛是《黑镜》里的剧情成真了。

——所以“黑镜了”，其实是一种“这科技虽然酷，但让我有点背后一凉”的感觉 😅