普通人的 AI 编年史#
这个专栏想做一件更慢、更基础的事：我自己一边学习 AI 发展史，一边把它讲给普通人看。
不按论文综述的方式写，也不做工具榜单。更适合的写法是：沿着时间线，把关键事件、关键产品和它们对普通人的影响串起来。
写作视角#
这个专栏的默认读者不是研究员，也不是已经每天追模型论文的人，而是那些已经感觉 AI 很重要，但还没有建立完整背景的人。
所以每篇文章尽量做到三点：
- 少堆术语，多讲这件事为什么发生
- 少追即时热点，多讲它放在历史里意味着什么
- 少下宏大结论，多回到普通人能理解、能使用、能判断的层面
先规划这些内容#
1. AI 这个概念是怎么来的#
从图灵测试、达特茅斯会议写起，讲清楚“人工智能”一开始到底想解决什么问题。
这一部分不追求完整学术史，重点是让读者知道：AI 不是突然冒出来的概念，它从一开始就带着“机器能不能表现得像人一样思考”的问题。
2. 为什么 AI 会经历几次低谷#
讲专家系统、AI 冬天、计算能力和商业预期之间的落差。
这部分的重点不是怀旧，而是解释一个现象：技术叙事经常会跑得比真实能力更快。理解低谷，才能更冷静地看今天的热潮。
3. 深度学习为什么重新点燃 AI#
从神经网络、数据、算力和 ImageNet 这类节点讲起，解释为什么 2010 年前后 AI 开始重新加速。
普通人不需要一开始理解所有模型细节，但需要知道：这次变化不是某个软件突然变聪明，而是数据、算力和方法一起到了临界点。
4. Transformer 为什么重要#
单独写一篇讲 Transformer。重点不是公式，而是解释它为什么让大规模语言模型成为可能。
这一篇要回答一个普通问题：为什么后来的 ChatGPT、Claude、Gemini 这些产品，都和这条技术路线有关。
5. ChatGPT 为什么出圈#
从 2022 年 ChatGPT 出圈讲起，写它为什么让普通人第一次强烈感受到 AI 能“对话”和“帮忙”。
这一篇会重点区分：模型能力、产品形态、用户体验和传播节点，不把所有功劳都简单归到某个单点上。
6. 文生图、语音、视频为什么一起爆发#
围绕 Stable Diffusion、Midjourney、语音合成、视频生成这些产品和能力，讲 AI 为什么从文字助手扩展到多模态创作。
普通人最容易感受到的变化，不是模型指标，而是“以前要专业技能才能做的东西，现在第一次变得可尝试”。
7. Agent 和个人工作流会改变什么#
最后再回到我自己最关心的部分：AI 不只是聊天窗口，也会逐渐进入写作、学习、开发、运营、整理资料和自动化工作流。
这一部分会连接到我自己的实践，但不会把它写成万能方法。重点是讲清楚：普通人怎样从理解历史，走到真正把 AI 接进自己的工作和生活。
暂时不写成什么#
这个专栏暂时不做“AI 工具大全”，也不做“赚钱捷径”。工具会变，捷径也容易失真。
我更想先把大线索写清楚：AI 是怎么一步步走到今天的，哪些产品真的改变了大众感知，普通人应该如何判断它对自己的意义。
后面如果方向要调整，就在这个引子里继续改。