身边的两大隐形 AI——卷积神经网络与推荐算法

ChatGPT 之前，AI 早已到来

早上起床，你拿起手机刷脸解锁；打开抖音，它已经知道你喜欢什么；打开淘宝，首页推荐的都是你想买的。这些 AI 你每天都在用，却可能从未意识到它们的存在。

2022 年 11 月 ChatGPT 问世，全世界惊呼"AI 来了"。但其实，AI 早就来了。今天就聊两个藏在你身边的 AI：一个让机器看懂世界——计算机视觉；一个让机器更懂你——推荐算法。

一、AI 的眼睛：卷积神经网络

1989 年，贝尔实验室的一道难题

故事要从 30 多年前讲起。1989 年，贝尔实验室的年轻研究员 杨立昆（Yann LeCun） 接到一个任务：让机器识别手写数字。

这听起来简单——你看一眼"3"就知道是 3——但对机器是天大的难题：每个人写的 3 都不一样，有的圆润、有的尖锐、有的潦草，机器怎么知道这些千奇百怪的符号都是同一个"3"？

当时银行和邮局正被一个痛点折磨：每天成千上万张支票、信封上的数字都要人工录入，费人又易错。杨立昆要解决的，就是这件事。

核心思想：一小块一小块地看

他用了一种新的神经网络结构，核心是不要一次看整张图，而是一小块一小块地扫描，像扫描仪一样从左到右、从上到下移动。

🎛️ 互动动画：亲手看卷积窗口怎么扫

点“下一步”或“自动扫描”，观察橙色 3×3 感受野如何移动，右侧特征图又怎样一点点记录图像边缘。

它分三层工作：

• 第一层：识别最简单的东西——一条横线、一条竖线、一个角；
• 第二层：把简单特征组合起来——横线 + 竖线 + 角 = 方框，两条弧线 = 圆；
• 第三层：再往上组合——眼睛 + 鼻子 + 嘴巴 = 一张脸。

这就是层层抽象，从简单到复杂。

🎛️ 互动动画：从线条到一张脸

点“播放层层抽象”，看第 1 层的线条、第 2 层的形状，如何逐步组合成人脸这样的复杂概念。

成绩：机器第一次在准确率上超过人类

杨立昆收集了 9298 张手写数字图片，用 7291 张训练、2007 张测试。3 天后结果出来：错误率只有 1%，创下新纪录——机器第一次在准确率上超过人类。

同年他发表论文《Backpropagation applied to handwritten zip code recognition》，把反向传播用于邮编识别。这项技术很快落地：美国邮政用它识别邮编，银行用它识别支票金额，每天读取 400 万张支票——这不只是技术突破，更是商业革命。

这项技术后来有了名字：卷积神经网络（CNN）。你不需要记住名字，只需记住：它让机器学会了"看图"。

2012 年，AlexNet 震惊世界

1989 年证明了可行，真正震惊世界的是 2012 年的 AlexNet：在 ImageNet 竞赛中，它把错误率从 26% 降到 15.3%，领先第二名 11 个百分点。从那以后，CNN 成了计算机视觉的标配。

今天你看得见的 AI 大多在用它：刷脸解锁 0.1 秒识别人脸；自动驾驶实时识别行人、汽车、红绿灯；医院里 AI 几秒钟扫完几百层 CT，标出可疑阴影。它让机器有了眼睛。

二、AI 的读心术：推荐算法

CNN 让机器有了眼睛，还有另一种 AI 能"读懂你"：你刷抖音它知道你喜欢什么，你逛淘宝它知道你想买什么。它真能读心吗？不是——它用的是协同过滤，核心只有八个字：物以类聚，人以群分。

一个比喻：新城市找餐厅

你刚搬到一个新城市，想找好吃的，怎么办？

• 办法一：找一个和你口味相似的朋友，问他最近吃了什么好吃的。他说 A 餐厅不错，你想"他口味跟我差不多，他喜欢我应该也喜欢"，去了果然满意。这就是基于用户的协同过滤——找到品味相似的人，把他喜欢的推荐给你。
• 办法二：看餐厅之间的关联。你发现喜欢 B 餐厅的人通常也喜欢 C 餐厅，于是去了 C，也很满意。这就是基于物品的协同过滤——分析物品之间的关联，你喜欢 A 就把相关的 B 推荐给你。

🎛️ 互动动画：你来触发一次推荐

点“找相似用户并推荐”，看算法如何找到你的“品味替身”；也可以切换到“基于物品”，再点击任意电影列标题，查看相关片推荐。

它不需要知道你是谁

推荐算法不需要知道你的年龄、性别、职业。它只需要知道你看了哪些视频、停留了多久、点了哪些赞，然后找到和你行为相似的人，把他们喜欢的推给你。所谓“读心术”，不是真读懂了你的心，而是通过你的行为，找到了你的品味替身。

里程碑：Netflix 的百万美元悬赏

• 1996 年，雅虎推出个性化首页，是推荐算法早期大规模商用的代表。
• 2006 年，美国最大的 DVD 租赁公司 Netflix 遇到难题：用户面对几万部电影不知看哪部，推荐不准就会流失。当时它的算法叫 Cinematch，但还不够好。于是 Netflix 公开悬赏 100 万美元：谁把推荐准确率提升 10%，就能拿走。
• 竞赛吸引全球数千支队伍，持续 3 年。2009 年 9 月，BellKor's Pragmatic Chaos 以提升 10.06% 夺冠，刚好过线。戏剧性的是，另一支队伍 The Ensemble 同一天也超过了 10%，只因提交晚了 20 分钟，错失百万奖金——这 20 分钟，价值 100 万美元。

更重要的是，这场竞赛推动了推荐算法的飞速发展，成果后来被应用到 YouTube、Amazon、抖音等平台。

影响力，与隐忧

据报道，亚马逊约 35% 的销售额与推荐系统相关——每 100 块销售额里，有 35 块是推荐算法带来的。2025 年抖音月活突破 10 亿，人均每天刷一个多小时，背后正是"太懂你"的推荐算法。

但它也带来新的困扰——信息茧房。2006 年，哈佛大学法学教授凯斯·桑斯坦在《信息乌托邦》中提出：当你只接触让自己愉悦的信息，久而久之就会把自己困在一个像蚕茧一样的茧房里。

三、两大高手的共同软肋：语言

在 ChatGPT 出现之前，AI 的上半场已经打得非常精彩。但这两个高手有一个共同的致命弱点：都搞不定语言。

语言难在哪？"猫吃了老鼠"和"老鼠吃了猫"，字都一样，顺序一换，意思全反——一个是常识，一个是科幻。

CNN 为什么搞不定？因为它像一个拿着放大镜看书的人：一次只能看几个字，看得清楚，却看不到整句话的意思，视野太窄。研究者试过给 AI 装上"记忆"、让它记住上下文，但效果都不好——要么忘得快，要么算得慢。

于是 2017 年之前，AI 面临一个关键挑战：怎么让机器真正读懂人类语言？直到 Transformer 架构出现，才开启了我们今天所处的大语言模型时代。下一讲，就聊这个彻底改变游戏规则的架构。

总结：两种隐形 AI 对比

维度	卷积神经网络（CNN）	推荐算法
角色	AI 的眼睛	AI 的读心术
核心技术	卷积、层层抽象	协同过滤
看什么	图像	行为数据
代表应用	刷脸解锁、自动驾驶、CT	抖音、淘宝、Netflix
共同弱点	读不懂语言	读不懂语言

一个是"看懂世界"，一个是"读懂你"。它们早就在你身边，只是你从未察觉——这就是 ChatGPT 之前的 AI 上半场。