AI Agent 发展史 · 第 05 期 ｜ 双受众科普 ｜ 阅读约 8 分钟 ｜ 口播约 10 分钟

机器怎么"自己会学"了？

你有没有发现，现在的大模型 AI 好像"自己会学"——你给它喂海量资料，它自己悟出门道，而不是你一条条写死规则。这感觉天经地义，对吧？可就在十几年前，AI 圈的主流还是"人写规则、机器照做"。

说白了，“会自己学"这一步，正是大模型 Agent 能真正干活的根本前提——没有它，Agent 顶多是个按脚本执行的机器，谈不上"自主”。

那么问题来了：机器从"背脚本"到"自己学"，中间到底隔着哪几步关键跳跃？这一期，咱们聊一场静悄悄、却决定了 Agent 命运的范式转折——深度学习破壁。

一个被打压又逆袭的学派江湖

先说一个"被打压又逆袭"的学派江湖。1957 年，康奈尔的实验心理学家罗森布拉特在 IBM-704 上鼓捣出一个叫"感知机"(Perceptron) 的东西——一个能"学"的简单神经网络[1]。1958 年他发表《The Perceptron》论文，名声大噪，开跑车、弹钢琴、上媒体。可另一派不爽了：达特茅斯会议组织者之一、罗森布拉特的中学学长明斯基，和佩珀特合写了《感知机》一书(1969)，从数学上证明——单层感知机连最基础的"异或(XOR)"都算不明白[1]。这记重锤让神经网络跌入第一次低潮，政府经费撤了，罗森布拉特也英年早逝。

但故事没完。1974 年哈佛博士生沃波斯已证明"后向传播"能让多层网络解 XOR；到 1980 年代，以鲁梅尔哈特、辛顿、麦克利兰德为首的连接主义运动兴起，那本 PDP 文集(1986) 被奉为"圣经"，神经网络重新翻红[2]。辛顿(Geoffrey Hinton)——后来被称作"深度学习教父"的人——正是从那个"不招人待见"的低谷期一路扛过来的。

📰 当年此刻（1958 / 1986 / 2012）
当计算机还用打孔卡、数据要靠人工一本本录入时，罗森布拉特已经让机器"自己调权重"去学分类(1958)；当学界认定神经网络"算不明白 XOR"二十年之后，反向传播论文把多层网络重新救活(1986)；当 GPU 还没普及、ImageNet 百万张图刚攒齐，辛顿的学生用 AlexNet 把图像识别错误率从约 26% 一把砸到 15% 以下(2012)。三次"自己学"的关键跳跃，跨度五十多年，每一次都卡在算力与数据的门槛上。
信源：《人工智能简史》第5章 （感知机1958 / 反向传播1986 / AlexNet 2012，均来自图书）

符号 AI 是背答案，深度学习是长语感

那"深度学习"到底学了啥？打个比方：符号 AI 像"背好词好句应试"——规则是人一条条写死的，遇上没背过的题就懵；深度学习像"大量阅读后长出语感"——它不背规则，而是从海量数据里自己提炼特征。这叫"表示学习"：让模型自己从数据里长出来一层层有用的"神经元连接"[3]。

层数越多，网络越"深"，表达能力越强，可训练也越难——直到"自己会学"被真正跑通。辛顿 2006 年在《科学》上发表文章，提出逐层预训练方法，让"深"网络第一次变得可用[3]；再叠上后来"预训练 + 微调 + 强化学习"三件套，现代 Agent 终于有了能自己琢磨规律的"脑子"。

被同行嘲为"炼丹"的二十年

不过也别神化。深度学习早期可是被同行嘲为"炼丹"的——为啥？因为它的不稳定性、调参玄学、可解释性差，是出了名的[3]。同一模型换个随机种子，结果可能天差地别；一个特征重不重要，它说不清道不明，医生不敢直接信它的诊断。当年学界一边用它刷榜单，一边心里打鼓：这玩意儿到底算科学，还是碰运气？

这也是为什么"自己学"这条路，从 1957 到 2012 足足走了五十多年才真正封神——数据、算力、算法三浪叠加，缺一环都不行。顺带一提，真正让"炼丹"变成"工程"的，还有硬件这双看不见的手：GPU 的大规模并行天然契合神经网络，后来谷歌又推出专用芯片 TPU，才把训练成本压到可接受的范围[3]。

三大技术底座其实是一条链

🔧 【这一节偏技术，普通读者可跳】

给从业者补一层。现代 Agent 的三大技术底座其实是一条链：表示学习让模型自己提取特征（不再靠人写规则）[3]；预训练在海量语料上学"通识"[3]；强化学习（以萨顿 Richard Sutton 为代表，《人工智能简史》第 8 章）用反馈把"行为—结果"对齐[2]。三者叠加，Agent 才从"按指令打字员"变成"能自己琢磨的实习生"。

划重点：深度学习不是"取代"符号 AI，而是范式补充。 神经网络的黑箱配上符号系统的可解释规则，正是今天"神经符号"(neuro-symbolic) 融合的方向。把 2012 当"深度学习起点"、把现代能力安到古人头上，都是误区——感知机 1957 就存在，只是当年没数据没算力，跑不起来罢了。

六、本期小结 + 下期预告

一句话收尾：给 Agent 装上"脑子"的，不是某个天才灵光一现，而是"让机器自己学"这一念之差，叠加几十年数据与算力的积累。

📰 如今回响（2025）
2025 年 8 月 26 日，国务院印发《关于深入实施"人工智能+"行动的意见》正式对外发布，首次从国家顶层设计层面把"人工智能+"定为新一轮科技和产业变革的战略抓手[4]。意见设定分阶段目标：到 2027 年，新一代智能终端、智能体等应用普及率超 70%；到 2030 年超 90%——直接把"智能体"写进了国家普及目标。
当年深度学习被"算力、数据、算法"三道门槛卡了五十多年；如今这份国家行动纲领，把"强化智能算力统筹、加强数据供给创新、提升模型基础能力"写入 8 项基础支撑。当年工程师求之不得的算力与数据，如今国家亲自出手统筹——机器"自己学"的门槛，正被写进国家工程。
信源：国务院《关于深入实施"人工智能+"行动的意见》（2025-08-26）；新华社政策报道

⭐ 一句话对照：当年深度学习花了五十多年才跨过算力与数据的门槛；如今"人工智能+"行动纲领直接把智能算力统筹、数据供给写进国家基础支撑——国家亲手为 Agent 修路。

下期咱们聊：脑子有了，第一个真正出圈、让普通人惊呼"Agent 成精了"的"全身 Agent"是谁？——AutoGPT 爆火，第 6 期见。

📚 参考资料（本期素材来源）

• [1] 尼克. 人工智能简史. 第 5 章「罗森布拉特和感知机」.— 感知机 1957/1958、罗森布拉特、《感知机》(明斯基&佩珀特, 1969) 批判单层网络不能解 XOR。
• [2] 尼克. 人工智能简史. 第 5 章「神经网络的复兴」. — 沃波斯 1974 后向传播、1980 年代连接主义运动、PDP 文集(1986)、辛顿与鲁梅尔哈特扛旗；另见第 8 章「强化学习」(萨顿)。
• [3] 尼克. 人工智能简史. 第 5 章「深度学习」. — 辛顿 2006《科学》逐层预训练/深度信念网络、2012 ILSVRC(SuperVision/AlexNet) 夺冠(错误率<15% vs 此前~26%)。
• [4] 国务院. 关于深入实施"人工智能+"行动的意见（2025-08-26 发布）. — 把"人工智能+"与"智能体"写入国家普及目标与基础支撑（智能算力统筹、数据供给创新、模型基础能力）。