通俗解释 AI、Transformer、RAG、Agent 等概念

在人工智能快速发展的今天，AI、Transformer、RAG、Agent 等术语频繁出现在我们的视野中。这些概念不仅影响着技术发展方向，更与我们的日常生活息息相关。然而，大多数解释要么过于技术性难以理解，要么过于简单无法真正掌握其精髓。

本文旨在用通俗易懂的语言，为读者梳理这些核心概念的来龙去脉。从 1956 年人工智能概念的提出，到当下 ChatGPT 等大语言模型的蓬勃发展，我们将沿着技术演进的时间线，帮助读者建立起对 AI 技术体系的整体认知框架，让这些看似深奥的概念变得触手可及。

什么是人工智能?

1956 年夏天，计算机科学家约翰·麦卡锡（John McCarthy）首次提出"人工智能"（AI）这个概念。

人工智能（AI）指的是：通过软件和硬件，来完成通常需要人类智能才能完成的任务。它的研究对象，就是在机器上模拟人类智能。

早期，人工智能研究分成两个阵营。

第一个阵营是规则式（rule-based）方法，又称专家系统（expert systems），指的是人类写好一系列逻辑规则，来教导计算机如何思考。

可想而知，对于复杂的、大规模的现实问题，很难写出完备的、明确的规则。所以，这种方法的进展一直很有限。

第二个阵营就是机器学习（machine learning），指的是没有预置的规则，只是把材料提供给计算机，让机器通过自我学习，自己发现规则，给出结果。

神经网络（neural network）是机器学习的一种主要形式。

神经网络就是在机器上模拟人脑的结构，构建类似生物神经元的计算网络来处理信息。

一个计算节点就是一个神经元，大量的计算节点组成网络，进行协同计算。

神经网络需要极大的算力，以及海量的训练材料。以前，这是难以做到的，所以 20 世纪 70 年代开始，就陷入了停滞，长期没有进展。

深度学习（deep learning）是神经网络的一种实现方法，在 20 世纪 80 年代由杰弗里·辛顿提出。它让神经网络研究重新复活。

深度学习是一种让多层神经元可以进行有效计算的方法，大大提高了神经网络的性能。"深度学习"这个名字，就是比喻多层神经元的自主学习过程。

多层神经元包括一个输入层和一个输出层，它们之间有很多中间层（又称隐藏层）。以前，计算机算力有限，只能支撑一两个中间层，深度学习使得我们可以构建成千上万个中间层的网络，具有极大的"深度"。

早些年，深度学习用到的方法是卷积神经网络（CNN）和循环神经网络（RNN）。

2017 年，谷歌的研究人员发明了一种新的深度学习处理方法，叫做 Transformer（转换器）。

Transformer 不同于以前的方法，不再一个个处理输入的单词，而是一次性处理整个输入，对每个词分配不同的权重。

这种方法直接导致了 2022 年 ChatGPT 和后来无数生成式 AI 模型的诞生，是神经网络和深度学习目前的主流方法。

由于基于 Transformer 的模型需要一次性处理整个输入，所以都有"上下文大小"这个指标，指的是一次可以处理的最大输入。

比如，GPT-4 Turbo 的上下文是 128k 个 Token，相当于一次性读取超过 300 页的文本。上下文越大，模型能够考虑的信息就越多，生成的回答也就越相关和连贯，相应地，所需要的算力也就越多。

RAG（Retrieval Augmented Generation检索增强生成）是一种让 AI 模型变得更"博学"的方法。想象你在写一篇论文，除了用自己的知识，还会去查阅参考资料。RAG 就是给 AI 配备了一个"资料库"和"检索系统"。

当 AI 需要回答问题时，会先从资料库中检索相关信息，再结合这些信息来生成答案。这样做有几个好处：

AI Agent（智能代理）可以理解为一个能自主完成任务的 AI 助手。它不只是简单地回答问题，而是能够：

打个比方：

普通的 AI 模型就像一个知识渊博的顾问，你问什么答什么
AI Agent 则像一个能干的助理，你交代一个目标，它就能规划步骤并付诸行动
比如你说"帮我订一张下周去北京的机票"，它会自动查询航班信息、比较价格、考虑你的日程安排，最后完成订票。

这两项技术代表了 AI 发展的重要方向：

这些技术正在快速发展，未来可能会让 AI 助手变得更像我们的"得力助手"，而不仅仅是一个问答工具。