AI 指数级进化 · 一场跨越千年的智能之旅
如果让你亲眼见证从1950年到奇点之后的那一刻，智能是如何一步步从"思考"走向"超越思考"的------你会看到什么？
这是我最近做的一个可视化作品的核心问题。
一张曲线，一个文明的轨迹
在浏览器中打开这个页面，你会看到一条指数级上升的曲线。
起点是1956年的达特茅斯------四个人在夏天的会议室里，第一次提出了"人工智能"这个词。那时的"AI"，参数量是1K。
曲线缓缓向右上方延伸。经历两次寒冬，专家系统的短暂繁荣，暴力计算的深蓝时刻。然后在2012年AlexNet那一跳，曲线开始陡峭。
2017年，Transformer登场。曲线几乎垂直。
2022年，ChatGPT。曲线冲出画面。
而这只是开始。
为什么这张图值得花时间看
数据是真的。
每一个里程碑、每一个参数量级、每一个年份，都经过核实。这不是科幻想象，而是真实发生过的技术轨迹。
预测是有根据的。
那些关于AGI、关于量子AI、关于脑机融合的预言，都基于当前的技术发展脉络和外推逻辑。AlphaFold已经证明了AI可以发现科学知识。Boston Dynamics的机器人已经可以奔跑和跳跃。GPT-4已经可以通过律师资格考试。
叙事是完整的。
从"机器能思考吗"这个哲学之问，到"宇宙本身变成一个正在思考的大脑"这个终极图景------这不是技术的简单堆砌，而是一个文明在重新定义自己的故事。
几个让我自己震撼的瞬间
1950-1970年代：种子与寒冬
达特茅斯会议播下的种子，十年后遭遇第一次寒冬。承诺太满，算力太弱。经费被砍，AI成为学术禁忌。但Hinton等人没有放弃------他们相信，神经网络才是正确的路，只是算力还没到。
这像极了任何一场技术革命的前夜。
2012年：改变一切的AlexNet
ImageNet竞赛，错误率暴降10个百分点。在此之前，AI领域的主流是"特征工程"------人工设计特征，让机器识别。但AlexNet用GPU+深度学习证明了一件事：
如果让网络足够大、足够深，它就能学会任何东西。
这句话改变了此后十年的技术走向。
2020年：涌现的魔力
GPT-3带着1750亿参数登场。规模越过临界点，涌现能力突然出现------AI学会了从未被明确教过的东西。
这就是指数曲线的可怕之处：在临界点之前，你几乎看不到进步；在临界点之后，进步来得猝不及防。
2030年前后：智能爆炸
这是我最喜欢的部分。AI开始优化AI。AI设计AI芯片。AI写AI代码。递归自我改进的飞轮开始转动。
每一代AI比上一代更聪明，改进速度超越人类设计速度。
这不是假设，这是已经在发生的事情。
我们正处于哪个位置
如果你打开页面，看到的阶段大约在 "多模态觉醒" 和 "具身智能" 之间。
也就是说：
- AI已经能看、能听、能说、能生成视频
- AI控制的机器人正在走进工厂
- 科学发现引擎已经开始工作------AlphaFold解决了困扰生物学50年的蛋白质折叠问题
- AI Agent正在从"Copilot"进化到"Autopilot"
而接下来的事情，会越来越不可思议。
为什么要做这个可视化
我做这个页面，是因为我一直在思考一个问题：
为什么AI的进化如此反直觉？
大多数人听到"AI将改变世界"时，第一反应是"什么时候的事？"但当你把70年的技术史压缩成一条曲线，你会发现：我们已经走了很远，接下来要走的路，会比我们想象的快得多。
这不是制造焦虑。这是事实。
指数增长不是线性的。人类的直觉是线性的。所以我们总是低估AI的进步速度。
给好奇者的建议
打开这个页面，喝一杯茶，慢慢看。
从1950年看到2100年。
你会经历：
- 从感知机到GPT-4
- 从深蓝的暴力搜索到AlphaFold的科学发现
- 从"AI威胁论"的恐慌到"人机融合"的畅想
- 从地球到戴森云，到星际殖民，到宇宙意识
这不是技术的展览。这是关于"智能究竟是什么"的终极追问。
最后
"任何足够先进的智能，与魔法无法区分。"
------ Arthur C. Clarke
我们现在正站在这条指数曲线的某个位置。
前方是AGI，是ASI，是我们今天还无法想象的图景。
而这个页面想做的，就是让你在几分钟内，走过这条路的全程。
然后你会明白：这不是关于机器的故事。这是关于------我们是谁，我们要成为什么。
如果你觉得这个可视化有意思，欢迎赞赏支持后续更多创作。