人工智能簡史：AlphaGo到多模態大模型進化史

《人工智能簡史：AlphaGo到多模態大模型進化史》核心拆解 作者：約翰·馬爾科夫 一句話概括 人工智能真正決定人類未來的，不只是機器會變得多聰明，而是設計者選擇讓機器替代人的判斷，還是增強人的能力、保留人的主動權。 核心邏輯 全書圍繞兩條自計算機誕生以來就並行發展的路線展開： AI——Artificial Intelligence，人工智能：讓機器自主完成任務，最終取代人的參與。 IA——Intelligence Augmentation，智能增強：把計算機作爲人的工具、夥伴和能力放大器。 這兩條路線分別以約翰·麥卡錫和道格拉斯·恩格爾巴特爲代表： 麥卡錫希望讓機器獨立解決原本需要人類智能的問題；恩格爾巴特希望通過計算機提高個人與組織的思考、交流和協作能力。 作者通過機器人、無人駕駛、自動化生產、人機交互、個人計算和Siri等案例說明： 技術並不會自動決定自己成爲人的主人、奴隸還是夥伴。真正決定機器角色的，是工程師、企業、制度和社會在設計階段做出的選擇。 核心內容 1. 人工智能從一開始就存在兩種未來 Shakey是最早能夠感知環境、規劃行動並執行任務的移動機器人之一。它代表了一種典型的AI理想：機器能夠獨立理解周圍世界，並在不依賴人的情況下行動。 與之同時，恩格爾巴特的研究團隊卻在開發鼠標、超文本、協作軟件和網絡系統。他們並不試圖複製人，而是希望計算機幫助人組織知識、交流思想和提高“羣體智商”。 程序員比爾·杜瓦爾先後參與這兩個實驗室，成爲從AI路線轉向IA路線的典型人物：在Shakey項目中，計算機被設計成獨立行動者；在恩格爾巴特的NLS系統中，計算機是人類思維和協作的放大器。 個人計算機、鼠標、圖形界面和互聯網最終產生的社會影響，遠遠超過同期那些試圖直接製造類人智能的系統。這說明，增強人的工具未必像機器人一樣具有戲劇性，卻可能產生更廣泛、更持久的價值。 2. “替代人”與“增強人”並不是技術差異，而是價值選擇 AI和IA經常使用相同的底層技術，例如機器視覺、語音識別、規劃、搜索和機器學習，但應用目標完全不同。 同一種視覺技術可以讓自動駕駛汽車徹底取消駕駛員，也可以幫助駕駛員識別危險、減少盲區；同一種語言技術可以讓系統代替人做出決定，也可以幫助人查找資料、安排日程和處理信息；同一種機器人技術可以在工廠裏完全替代工人，也可以承擔危險、重複和高負荷部分，讓人負責判斷、異常處理與改進。 所以，所謂“機器是否取代人”並不是等技術成熟以後才需要討論的問題。系統從一開始如何分配人和機器的權力，已經包含了答案。 3. 無人駕駛汽車暴露了全自動化最困難的部分 DARPA無人駕駛汽車挑戰賽推動了自動駕駛技術從實驗室進入現實道路。塞巴斯蒂安·特龍等研究者隨後把相關技術帶入谷歌，開啓了無人駕駛汽車的商業化探索。 自動駕駛存在兩種基本路線：逐步增加輔助駕駛能力，讓機器和人共同駕駛；或者直接取消方向盤和駕駛員，追求完全自動駕駛。 漸進式路線面臨“控制權交接”問題：機器在大部分時間駕駛，卻要求已經分心的人在極短時間內接管，這可能比始終由人駕駛更加危險。 完全無人駕駛則要處理開放道路上的大量特殊情形，包括警察和施工人員的手勢、行人不符合規則的行爲、臨時道路變化、傳感器失效、責任歸屬和極端道德選擇。 因此，自動駕駛最困難的部分不是讓汽車在正常情況下沿車道前進，而是確定系統的能力邊界，以及能力不足時由誰承擔責任。 4. “手推車難題”不能替代真實的工程倫理 自動駕駛經常被簡化爲一個問題：發生事故時，汽車應該保護乘客，還是犧牲乘客保護更多路人？ 但現實中的倫理遠比一道思想實驗複雜。設計者首先要決定車輛採用什麼樣的安全標準、哪些情形必須減速或停止、傳感器置信度不足時如何行動、軟件更新和事故數據是否公開、製造商與駕駛者分別承擔什麼責任，以及誰能夠決定風險在不同人羣之間如何分配。 真正的倫理並不是在碰撞前一秒選擇撞誰，而是在此前數年的產品設計、測試、部署和監管中，儘量避免系統進入無法挽回的局面。 5. 自動化通常替代的是任務，而不是整個職業 關於人工智能造成失業的討論，常把一個職業看作不可分割的整體。但一個工作通常包含重複執行、信息查找、溝通協調、異常處理、創造性判斷、人際關係和責任承擔等多種任務。 機器往往先替代其中規則明確、數據充分、容易度量的部分，剩餘工作則被重新組合。 ATM並沒有簡單消滅所有銀行櫃員，而是改變了銀行網點和櫃員的工作內容；個人計算機也沒有消滅辦公室工作，而是減少了部分文書崗位，同時創造了新的信息處理和協作崗位。 真正的問題常常不是“社會是否還有工作”，而是新舊崗位之間存在時間差、勞動者技能無法同步遷移、新生產力帶來的收益分配不均，以及中間層的程式化工作比高技能和服務型工作更脆弱。 因此，技術性失業往往表現爲技能錯配、職業極化和收入分配問題。 6. 全自動化不一定比人機協作更有效 工業自動化容易形成一種直覺：人越少，系統越先進。 但豐田等製造企業的實踐表明，完全自動化可能造成新的問題：生產線缺少靈活性、異常情況處理困難、工人失去對製造過程的理解，以及系統只能重複既定流程，難以持續改善。 經驗豐富的工人不僅執行動作，還能發現缺陷、理解材料、調整流程並積累隱性知識。把人全部排除出去，可能同時排除了改進系統的能力。 更合理的方向，是讓機器承擔高強度、危險和高度重複的任務，讓人負責目標、判斷、例外情況和持續改善。 7. 人工智能寒冬來自能力和承諾之間的差距 早期AI研究者對通用智能的到來極其樂觀，資本也曾推動專家系統等技術迅速商業化。 但很多產品存在共同問題：只能在事先限定的環境中工作；獲取和維護知識的成本很高；一旦條件變化，系統就容易失效；演示效果與實際產品可靠性相差巨大；市場成長速度趕不上融資和估值預期。 當宏大承諾不能兌現時，人工智能公司相繼失敗，研究資金減少，形成“人工智能寒冬”。 後來的機器學習和深度學習依靠數據、算力、反向傳播及更好的工程條件重新點燃了AI熱潮。但歷史提醒我們：局部能力突破不應被自動解釋爲通用智能即將出現。 8. 人機交互決定機器能力以什麼方式進入生活 麥卡錫關注如何讓機器解決難題，恩格爾巴特和人機交互研究者則關注人如何使用機器。 人機交互並不是給人工智能加一個漂亮界面。它直接決定人是否知道系統爲什麼給出某個結果、人能否修改或拒絕機器決定、系統如何表達不確定性、人在使用過程中會更有能力還是更加依賴系統，以及出現錯誤時人能否及時發現並恢復控制。 圖靈測試關心機器能否讓人相信它像人。但在人機交互中，更重要的可能不是機器能否成功僞裝成人，而是它能否讓人準確理解其能力和邊界。 過度擬人化可能使用戶高估機器的理解、可靠性和責任能力。 9. “人在環中”不是落後階段，而可能是更好的系統結構 一些自動化研究把人的參與看成技術尚未成熟時的臨時妥協，認爲系統最終應把人完全排除。 作者通過NASA、微軟研究院以及埃裏克·霍維茨等人的工作提出另一種可能：機器和人擁有不同的優勢，可以動態分配任務。 機器擅長大規模計算、持續監測、模式識別、快速檢索和穩定執行規則。人更擅長理解開放情境、處理異常、確定目標和價值、承擔責任，以及在信息不足時使用經驗判斷。 優秀的人機系統應該知道什麼問題可以自動處理、什麼情況需要向人求助，以及如何把足夠的信息交給人做決定。 10. 救援機器人揭示了機器人距離真正自主還有多遠 波士頓動力、谷歌機器人項目和DARPA機器人挑戰賽展示了機器人在行走、保持平衡、操作工具和進入危險環境方面的進展。 但比賽也暴露出機器人系統的現實侷限：動作緩慢、對環境變化非常敏感、很多任務仍需人工遙控、抓取和觸覺遠比視覺識別困難，以及實驗室能力難以穩定遷移到災難現場。 機器人在屏幕裏識別物體，與在現實中安全地拿起、使用和放回物體，是完全不同的難度。 因此，近期更現實的方向不是製造一個可以完全替代救援人員的自主機器人，而是讓機器人進入人類無法安全進入的區域，通過遠程操控、共享控制和智能輔助擴大救援人員的能力。 11. Siri是AI與IA融合的典型產品 Siri的技術來源包括DARPA資助的CALO認知助手項目、語音識別、知識表示、智能代理和互聯網服務整合。 它與搜索引擎的區別在於：搜索引擎提供信息入口，Siri試圖理解用戶意圖、調用服務並幫助用戶完成任務。 蘋果收購Siri後，語音助手解決了觸屏設備輸入不便的問題。它並沒有以“取代用戶”爲目標，而是讓用戶用更自然的方式操作設備、獲得信息和管理日程。 Siri說明，一項技術產生廣泛影響，需要的不只是模型，還包括明確的用戶需求、合適的交互方式、服務和數據的整合、硬件平臺、大規模分發渠道以及用戶信任。 它也是AI和IA開始真正匯合的案例：人工智能提供理解與執行能力，智能增強決定這些能力如何服務於人。 12. 機器的社會角色由設計決定 作者最後把問題歸結爲：機器會成爲人的奴隸、夥伴還是主人？ 技術沒有獨立於人類的目的。系統的目標、權限、數據、反饋方式和控制邊界，都是人設計進去的。 如果系統只以效率和利潤爲目標，它就會忽略難以量化的人性價值；如果把人從決策過程中徹底刪除，系統犯錯時也可能沒有人能夠及時干預或承擔責任。 所以AI與IA之爭最終不是技術路線之爭，而是道德和制度選擇：誰定義系統目標、誰擁有控制權、誰享受效率收益、誰承擔自動化風險，以及人是否保留知情、質疑、拒絕和退出的權利。 反對的觀念 1. 反對“技術發展會自動決定社會結果” 技術提供可能性，但產品設計、商業模式、監管和組織選擇決定了它最終增強誰、替代誰、約束誰。 2. 反對“完全自動化天然比人機協作先進” 把人排除出去可能提高局部效率，也可能降低系統韌性、異常處理能力和持續改進能力。 3. 反對“人工智能只會簡單減少工作崗位” 人工智能更多是在重組任務。真正需要關注的是技能錯配、轉型速度、崗位兩極化和技術收益分配。 4. 反對“人在環中只是技術不成熟的臨時狀態” 在高風險、開放環境和價值判斷問題中，保留人的監督與決定權可能是系統應有的長期結構。 5. 反對“系統表現得像人，就應該被當作人” 擬人化界面能夠降低使用門檻，也可能讓用戶錯誤地相信機器擁有理解、情感、責任和可信判斷。 6. 反對“AI取代人、IA增強人只能二選一” 現實產品通常同時包含兩者。關鍵不是給系統貼什麼標籤，而是逐項判斷哪些能力應該自動化，哪些權力必須由人保留。 7. 反對“工程倫理可以等到產品成熟後再補充” 控制權、責任邊界和價值目標在系統架構形成時就已被寫入。倫理不是上線前增加的一項檢查，而是產品設計的一部分。 本書最值得關注的核心觀點 1. 人工智能史的真正主線是AI與IA之爭 一條路線追求複製、替代人的智能，另一條路線追求增強人的能力。現代數字世界實際上是兩條路線共同塑造的。 2. 機器是否取代人，是設計結果而不是自然規律 同一種算法既可以取消人的參與，也可以爲人提供更好的信息和工具。結果取決於系統如何劃分權限與責任。 3. 人機協作可能比完全自治更接近現實最優解 機器與人各自擁有不同優勢。好的系統不是模糊雙方邊界，而是讓機器知道何時行動、何時解釋、何時請求人類判斷。 4. 自動化的主要風險不是機器突然擁有邪惡意志 更現實的風險是人把權力交給目標狹窄、缺少情境理解、責任不清的系統，並在出現問題時失去幹預能力。 5. 智能增強往往比類人機器更深刻地改變社會 鼠標、個人計算機、網絡、搜索引擎和智能助手沒有複製完整的人類，卻極大地放大了人的表達、協作和知識獲取能力。 6. 技術設計本身就是社會制度設計 系統決定誰能看見什麼信息、誰能做決定、誰承擔錯誤成本。工程師設計的不只是工具，也是在設計人與人之間新的權力關係。 個人啓示 1. 評價AI產品時，先問它重新分配了什麼權力 不要只看準確率和效率，還要看用戶是否擁有知情、修改、拒絕、撤銷及退出的能力。 2. 優先自動化任務，而不是直接消滅崗位 先拆解工作流程，把重複、危險和容易驗證的部分交給機器，把目標設定、異常判斷、溝通和責任留給人。 3. 爲異常情況設計系統 自動化系統的真正水平，不取決於正常情況下有多流暢，而取決於信息不足、模型失效和環境變化時，能否安全降級並把控制權交還給人。 4. 不要用擬人化掩蓋能力邊界 一個好的AI助手應該明確表達不確定性、信息來源和權限範圍，而不是通過流暢語言讓用戶產生過度信任。 5. 把人機協作當作獨立的產品能力 模型能力強，不代表協作體驗好。任務分配、解釋、確認、糾錯和反饋機制都需要專門設計。 6. 對“取代論”和“樂觀論”同時保持距離 人工智能既不會毫無影響，也不會按照單一曲線自動消滅全部職業。技術結果取決於企業採用方式、勞動者轉型能力和公共制度。 觀點評價 這本書最大的價值，不在於羅列人工智能算法，而在於提出了一個觀察人工智能歷史和未來都非常有效的框架：AI與IA、替代與增強、自治與協作。 作者以人物和機構爲線索，把Shakey、恩格爾巴特實驗室、DARPA無人駕駛挑戰賽、谷歌自動駕駛、波士頓動力、人工智能寒冬、深度學習復興、CALO和Siri連接起來，使技術史具有很強的故事性。無人駕駛、工業自動化、救援機器人和智能助手等案例，也讓“以人爲本”不再只是抽象口號。 它的侷限是，人物軼事和硅谷機構史佔據了大量篇幅，算法原理講解較少；論述主要圍繞美國研究機構和科技公司，對其他國家、勞動制度及社會結構着墨不足。書中部分關於自動駕駛、機器人和奇點的判斷也已經受到後來現實發展的修正。 尤其需要注意：頁面顯示本書於2017年出品，完整目錄和正文主線集中於Shakey、無人駕駛、機器人、AI與IA以及Siri，並沒有系統講解Transformer、GPT-4、擴散模型或多模態大模型。當前副標題和簡介中的“AlphaGo到多模態大模型進化史”，與實際主體內容存在明顯錯位。因此，更準確的定位是：這是一部討論“人工智能與智能增強兩條路線”的技術社會史，而不是大模型技術演進史。 一段話總結 《人工智能簡史：AlphaGo到多模態大模型進化史》以人工智能AI和智能增強IA之間長達數十年的分歧爲主線，講述了Shakey機器人、恩格爾巴特的人機協作系統、無人駕駛、工業自動化、人工智能寒冬、深度學習復興、救援機器人以及Siri的誕生。全書最重要的觀點是，機器成爲人的主人、奴隸還是夥伴，並不是技術進步自然決定的結果，而是工程師、企業和社會在目標、權限、界面與責任設計中做出的選擇。完全自動化並不天然優於人機協作，人工智能對就業的影響也更多表現爲任務重組、技能錯配和利益重新分配。真正以人爲本的智能系統，應讓機器承擔計算、監測、識別和重複執行，讓人保留目標設定、價值判斷、異常處理和最終控制權；人工智能最值得追求的未來，不是儘快把人從系統中刪除，而是建立既能發揮機器能力、又能擴展人的自主性與創造力的人機夥伴關係。

約翰·馬爾科夫的《人工智能簡史》這本書不是偏技術的，對於計算機和人工智能技術本身並沒有很具體深入的敘述，但是它以講故事的方式，對一個個在人工智能發展進程中發揮過重要作用的人物的思想歷程和工作立場做了很好的描述，讓我們看到了這些重要的科學家從想法到行動的基本面貌，他們的想法，意圖，與其他科學家的合作、交鋒，商業化的成功與失敗等等都有比較有趣的描述，讓人感到人工智能不僅僅是技術上的突破，它之所以走向對人類的社會方方面產生巨大的、不可避免的影響，是因爲很多科學家從創意開始，堅持不懈的在實踐中努力讓它與整個世界發生千絲萬縷的聯繫。當然在他們自己的世界裏，有賞識、有鄙視，有合作、有對抗，有無私、有搞錢，有自信、有糾結，有堅持、有妥協，有成功、有失敗、……可以感受到技術以外的複雜的人情與社會，也能看到他們展現的人類智能的優勢，看到他們是如何產生奇思妙想又是如何讓它們成爲現實的，其中的智慧、選擇和堅韌不拔，常常讓人心生敬佩與羨慕。 總體來說，這本書主要是從道德倫理的視角去看人工智能發展的各種里程碑事件的，圍繞的主線是:AI（Artificial Intelligence）與IA（Intelligence Augmentation）智能增強的差異，也就是發展人工智能以替代人的工作還是增強人的能力。其中的是是非非歸結到最後還是期待“以人爲本”。 不過本書出版的時間較早，還沒到今天更發達的人工智能，但是“解決AI和IA之間內在矛盾的答案，就隱藏在人類工程師和科學家的決策中”，今天應該依然如此。 我相信普通人來說，最希望的是機器人可以幫我們做家務、照顧老人和孩子，期待這可以在不遠的將來吧。 對教育者而言，要努力回答的是: “我們的社會是否會努力幫助人類勞動者跨過新的自動化鴻溝？”

內容和書名不太符合，大部分篇幅在描述AI，IA，智能機器帶來的倫理問題。尼克的那本更名副其實一點

與其如叫人工智能簡史，更合適的應該是人工智能發展過程中一些牛人在AI和IA的發展過程的一些工作介紹。雖然作者試圖用AI和IA的大框架想來勾勒已經發生的和未來將要發生的技術、經濟等方面的變化。 但是從自動駕駛到增強現實，沒有看出來內核點和體系性，至於作者想要達到的對於未來世界變化的叩問，也體現的不太明顯。

要想了解人工智能的發展歷史這本書只適合泛讀，大概瞭解一下就行，要想了解人工智能從誕生到現在的整體發展脈絡以及技術的發展趨勢這本書是不適合閱讀的。

本書講的內容很寬泛，很囉嗦，有點記流水賬的感覺，內容涉及有機器人，自動駕駛，人機交互，人工神經網絡，Wason，Siri等，到只講到大概到2010左右，近十年的技術發展沒有。全書把當前的各種計算機技術分爲兩類:人工智能AI和智能增強IA，主要圍繞這兩個方面敘述，到底技術的發展是要取代人類還是輔助增強人類。

智能已到，未來已來。智能服務產業化與商業化提上議程。

脈絡不清，雜而無章，流水賬記敘。可圈可點之處在於對人工智能倫理的思考。

簡直就是一本垃圾！一堆名人軼事+晦澀詞彙。作者也是個沙壁，浪費我時間

雖然故事零散，人名很多，但是其實細想想還是有脈絡的。ia vs ai是主旋律，主旋律是選擇的不是客觀上對的