开场：ChatGPT 之前，AI 早已到来
刷脸解锁、抖音懂你、淘宝推荐——这些 AI 你天天用，却未必察觉。
2022 年 11 月 ChatGPT 问世，全世界惊呼"AI 来了"。但其实，AI 早就来了。今天我们认识两个藏在你身边的 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）。
隐形 AI ① AI 的眼睛：卷积神经网络
1989 年，杨立昆在贝尔实验室要让机器认出手写数字。他的绝招是：不要一次看整张图，而是一小块一小块地扫描。
橙色框 = 当前 3×3 的"感受野"，它像扫描仪一样从左到右、从上到下移动；右侧绿色越深，代表这一块检测到的"边缘"越强。
隐形 AI ① 层层抽象：从线条到整张脸
卷积网络先抓线条，再把线条组合成形状，最后组合成完整物体。
点按钮，看神经网络如何把简单特征一层层组合成复杂概念。
成绩单：杨立昆用 9298 张手写数字（7291 训练 / 2007 测试），3 天后错误率只有 1%，机器第一次在准确率上超过人类。美国邮政用它识别邮编、银行每天读 400 万张支票。这项技术就是 卷积神经网络（CNN）。到 2012 年 AlexNet 把 ImageNet 错误率从 26% 降到 15.3%，CNN 成为计算机视觉的标配。
隐形 AI ② AI 的读心术：推荐算法
它不读心，靠的是协同过滤——八个字：物以类聚，人以群分。下面这张评分表里，"你"看过几部片，点一下按钮，看算法怎么给你找"品味替身"。
两种思路：① 基于用户——找到和你口味相似的人，把他喜欢的推给你；② 基于物品——看物品之间的关联，喜欢 A 就把相关的 B 推给你。它不需要知道你是谁，只要知道你看了什么、停留多久、点了什么赞。
里程碑：2006 年 Netflix 悬赏 100 万美元求"提升 10% 准确率"，3 年后 BellKor's Pragmatic Chaos 以 10.06% 夺冠；另一队 The Ensemble 只因晚交 20 分钟错失奖金。今天亚马逊约 35% 销售额来自推荐，抖音月活破 10 亿。副作用是信息茧房（桑斯坦《信息乌托邦》）。
两大高手的共同软肋：语言
它们都能"看"，却都读不懂"话"。
"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 像拿着放大镜看书的人：一次只看几个字，看得清，却看不到整句的意思，视野太窄。研究者试过给 AI 装"记忆"，但要么忘得快、要么算得慢。
直到 2017 年 Transformer 架构出现，才开启了大语言模型时代——这正是下一讲的主题。