# 6.1 语言模型演变

> 为什么几十年前的聊天机器人像“模板机”，现在更像真人？因为方法变了。从定规则，到统计学，再到“大力出奇迹”。

## 6.1.1 远古时代：Eliza（1964-1967）

最早的聊天机器人叫 **Eliza**，由 MIT 的 Joseph Weizenbaum 在 1964-1967 年间开发，1966 年在《美国计算机学会通讯》上正式发表。它扮演一个心理医生。

* 你：我很难过。
* 它：请告诉我你为什么难过？
* 你：因为我失恋了。
* 它：听到你失恋了，我很有兴趣。

看起来像模像样？其实它只是在 **“套公式”**：

* 如果用户说 “I am X”，就回复 “Why are you X?”。
* 这本质上还是 If/Else。一旦你稍微说复杂点，它就露馅了。

到了 20 世纪 90 年代和 21 世纪初，随着 **统计机器翻译** 等技术的出现，AI 开始从“写规则”转向“找规律”。

## 6.1.2 统计时代：2011 年的 Siri

到了 Siri 时代，AI 开始用 **“统计学”** 了。

它并不懂你在说什么，但它算过，当你是说“明天天气”时，有 90% 的概率是想看天气预报。

所以它不是在“思考”，而是在“查表”。

这也是为什么 Siri 经常听不懂人话，只能在预设的框架里回答。

## 6.1.3 大模型时代：2018 年以来的 GPT

大模型时代（2018-）的关键变化是：以 GPT 为代表的模型不再依赖人工规则，而是在大规模语料上进行预训练。

它做的事情看似简单：给定上文，预测下一个 token。

但当模型规模、数据规模和训练算力同时上去后，能力会出现明显跃迁。

从 GPT-3 的惊艳，到后续多代模型在推理、工具调用、多模态上的持续进步，AI 已经通过“大力出奇迹”的方式，实现了质的飞跃。

从规则驱动（Rule-based）到数据驱动（Data-driven），这就是 AI 变聪明的根本原因。

## 6.1.4 思考题

我们经常吐槽以前的 Siri “不够聪明”。

现在的大模型看起来很聪明。

有没有一种可能，在 10 年后的 AI 看来，现在的模型也只是“过渡阶段的助手”？

你觉得下一代 AI 会在什么地方超越现在的 AI？


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://yeasy.gitbook.io/ai_beginner_guide/di-er-bu-fen-he-xin-ji-shu-jie-xi/06_llm/6.1_evolution.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.