2017年，Transformer出现。 现在回头看，它更像是第一块倒下的多米诺骨牌。 一开始，我们还可以按“年”来记录

2017年，Transformer出现。 现在回头看，它更像是第一块倒下的多米诺骨牌。 一开始，我们还可以按“年”来记录AI的变化。 BERT、GPT-2、GPT-3…… 后来，时间开始越来越快。 从一年一个重要节点，到几个月、几个星期，甚至你刚学会一个模型，下一个模型已经出现了。 2022年，ChatGPT刚发布时，人们惊讶的是： 原来机器真的可以像人一样和我对话。 但仅仅几年之后，我们讨论的问题已经变成： 它能不能推理？ 能不能看懂图片和视频？ 能不能自己写代码、调用工具、操作电脑？ 能不能在没人盯着它的时候，连续工作几个小时，最后直接把结果交给你？ AI的发展，已经不只是“模型越来越聪明”。 它正在经历一次更根本的变化： 从生成内容，到理解世界；从回答问题，到解决问题；从等你下指令，到自己规划下一步；从聊天窗口，变成真正能够行动的系统。 过去我们问的是： AI能写什么？ 后来变成： AI能想明白什么？ 而现在越来越像是在问： AI到底能替人完成什么？ 更有意思的是，我们对AI的惊讶阈值，也在一次次被重新改写。 几年前，让AI写一篇像样的文章，就足以让很多人觉得不可思议。 后来是生成图片、写代码、实时语音、看懂视频。 再后来是复杂推理、Agent、Computer Use…… 昨天还像科幻的东西，很快就会变成产品里的普通功能。 真正让人产生不真实感的，可能不是某一个模型有多强。 而是当你把这些名字放在同一条时间线上，才突然意识到： 这一切并没有发生在几十年里。 从Transformer到今天，不到十年。 从ChatGPT真正进入大众视野到现在，甚至还不到四年。 更有意思的是，有人已经让AI每天替自己省下几个小时，把它写进工作流和生活里； 也有人直到今天，仍然觉得AI不过是一个更聪明的搜索框。 我们生活在同一个2026年，却已经处在完全不同的AI时代。 所以这条时间线真正值得看的，也许从来不是谁超过了谁。 因为榜首很快还会被下一代模型替代。 真正值得记录的是： 人类正在一点点把“智能”变成一种可以调用的能力。 从语言，到视觉； 从知识，到推理； 从推理，到行动。 九年前，我们得到了一种新的模型架构。 今天，我们开始拥有可以替人行动的智能系统。 而这条时间线， 还远没有结束。 #llm #codex #transformer神经网络架构 #gpt #ai