规则系统
人把知识写成规则：如果看到某种情况，就执行某个动作。它适合规则清楚的任务，但遇到复杂世界就很吃力。
第 2 课
AI 不是一天长大的。
今天会聊天、画图、写代码的 AI，是很多年研究的结果。它经历过“人写规则”“机器从数据里学习”“很多层小判断一起工作”“大模型能生成内容”几个重要阶段。
规则人告诉机器怎么做
学习机器从例子里找规律
生成模型能写、画、听、说
AI 发展小时间线
机器学习
研究者让机器从很多例子中自己找规律，比如根据过去天气记录预测明天会不会下雨。
深度学习
模型里面有很多层小判断，像一层层筛子：先看简单特征，再合起来看更复杂的东西。它开始在识别图片、理解语音、翻译语言上表现很好。
生成式 AI 和大模型
模型学会根据提示生成新内容：回答问题、写文章、看图解释、生成图片、帮忙写代码。
为什么最近 AI 进步这么快？
更多数据
模型见过更多文字、图片、声音、代码和任务例子，能学到更广的规律。
更强计算
训练大模型需要很多计算设备，就像让许多高速大脑一起做练习。
更好的方法
科学家发明了更适合处理语言、图片和长任务的模型结构与训练方法。
从“认得”到“能帮忙”
早期 AI 常常只能做一个很窄的任务，比如识别数字。现在的大模型更像一个通用工具箱：它可以聊天、总结、翻译、写代码、分析图片，还能调用搜索、计算器、画图工具。不过，工具箱再大，也需要人提出好问题、检查结果、决定怎么用。
你不用把所有历史年份背下来。你要记住的是：AI 的能力来自数据、计算和方法，也受到这些东西的限制。
小练习：哪个说法更接近机器学习？
选择一个答案。