大白话聊透人工智能为什么现在AI突然火了三驾马车拉着AI跑

一、开篇：AI不是“突然冒出来”而是“突然变好用了” 不知道你有没有这种感觉：前几年聊AI还像是在说“未来的事儿”——要么是科幻电影里的机器人要么是实验室里的“高精尖技术”跟咱们的日常工作、生活离得特别远。

那时候没人会想着让AI帮忙写报告也不会用AI修图、做视频甚至连“AI能聊天”都是新鲜事儿。

可现在呢？打开手机刷视频有AI推荐的内容拍照有AI美颜、AI修图；上班时写方案能让AI搭框架做表格能让AI自动整理数据；就连平时聊天都可能跟AI助手问天气、查路线。

为啥AI像“突然冒出来”一样到处都是？其实不是AI刚出现而是最近几年有三个关键因素凑到了一起把AI从“不好用、不实用”的状态推到了“能帮上忙、甚至比人做得快”的阶段——这三个因素就像拉着AI往前跑的“三驾马车”缺一个都不行。

今天咱们就用大白话把这“三驾马车”讲透看看AI到底是怎么“火起来”的。

二、第一驾马车：数据变多了——AI终于有“足够的东西可学” 咱们先想个事儿：如果要教一个小朋友认“猫”你得怎么做？至少得给TA看几只猫吧？比如看家里的猫、小区里的猫再看图片上的猫、视频里的猫告诉TA“有尖耳朵、圆眼睛、会喵喵叫的就是猫”。

看的猫越多小朋友越不容易认错——要是只给TA看一只白色的小奶猫等TA看到一只黑色的大橘猫可能就会问“这也是猫吗？” AI认猫、写文章、做分析跟小朋友学东西的逻辑差不多：得有足够多的“素材”让它学素材越多它学得越准、越灵活。

这些“素材”就是咱们常说的“数据”。

以前AI为啥“不好用”？很大一个原因就是“数据不够”。

比如早个十年咱们用手机拍的照片没那么多发的朋友圈、短视频也少网上的文章、视频总量也有限。

那时候要教AI写一篇通顺的文章可能只能给它几千篇文章当“教材”；要教它认猫可能只有几万张猫的图片。

你想啊就这么点“教材”AI能学到啥？写文章可能颠三倒四要么重复话多要么逻辑不通；认猫更别说了可能把带花纹的狗当成猫把兔子当成“没耳朵的猫”——不是AI“笨”是它根本没见过足够多的“例子”不知道“猫和狗的区别到底在哪”。

但现在不一样了咱们每天都在“生产数据”：早上刷手机看的新闻、短视频是数据；上班发的工作文档、聊天记录是数据；下午拍的照片、录的视频是数据；晚上网购时的浏览记录、下单信息还是数据。

有个数据挺直观的：现在全世界每天会产生几十亿张图片、上万亿条文字信息还有几百亿小时的视频。

这些数据堆在一起就像给AI建了一个“超级大图书馆”——要学写文章图书馆里有几百万本书、几十亿篇文章从散文到论文从小说到新闻啥类型都有；要学认东西图书馆里有猫、狗、汽车、植物的图片不同角度、不同场景的都有；要学做数据分析图书馆里有各行各业的销售数据、用户数据能看到规律、找到趋势。

举个具体的例子：现在很多人用AI写文案比如给产品写宣传语、给公众号写推文。

你以为AI是“凭空想出来”的？其实是它之前学了几百万条优秀的宣传语、几十万篇同类型的推文——它知道“卖奶茶的文案要突出‘甜、新鲜、解渴’”“写旅行推文要强调‘风景美、攻略实用’”这些都是从海量数据里“学”来的。

要是没有这么多数据AI写出来的文案会咋样？可能只会说“这个奶茶很好喝大家快来买”干巴巴的没有吸引力；甚至可能写跑题比如让它写奶茶文案它却写了“今天天气很好适合出门”——因为它没见过足够多的“奶茶文案例子”不知道该往哪个方向写。

所以说“数据变多”是AI火起来的第一块“基石”：只有“原材料”足够了AI才能好好“学习”不至于“巧妇难为无米之炊”。

三、第二驾马车：算力变强了——AI的“计算速度”翻了几百倍 有了足够多的数据AI就能“学好”了吗？还不行因为它还缺一个“快工具”——就像你要做一顿饭光有米、菜、肉还不够得有锅、有火；要是用原始的土灶烧半天水都开不了饭可能得等几个小时才能熟但用高压锅几十分钟就能做好。

AI的“锅和火”就是“算力”——简单说就是计算机处理数据、做计算的速度。

为啥算力这么重要？因为AI学习的过程本质上是“算海量数据”的过程。

比如教AI认猫它不是靠“看”而是靠计算机把每张猫的图片变成一堆数字（比如像素的颜色、形状的坐标）然后算“这些数字有啥规律”——比如“尖耳朵的猫耳朵部分的数字会呈现‘三角形’的规律”“圆眼睛的猫眼睛部分的数字会呈现‘圆形’的规律”。

这章没有结束请点击下一页继续阅读！。

本文地址大白话聊透人工智能为什么现在AI突然火了三驾马车拉着AI跑来源 http://www.qiweisi.com