微看书

为什么现在ai突然火了？——“三驾马车”拉着ai跑（第1页）

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”。

本小章还未完，请点击下一页继续阅读后面精彩内容！

这个“算规律”的过程，需要处理的数字多到吓人：一张普通的图片，可能有几百万个像素点，每个像素点又有红、绿、蓝三个颜色数值，算一张图就要处理上千万个数字；要是教AI认猫需要100万张图，那就要处理10万亿个数字。