大模型评测与AI产品质量保障：第1篇 AI 与大模型基础认知

IT策士 10余年一线大厂经验专注大模型测试、AI产品质量保障与职场进阶。我会在各个平台持续发布最新文章助你少走弯路。你是否想过那个能帮你写代码、画图、做PPT的人工智能到底是怎样一步一步走到今天的为什么2023年之后AI突然变得如此聪明这篇就来聊聊人工智能70年波澜壮阔的演进史以及大模型为何被视为一个时代的转折点。一、AI 的三大阶段从人工智障到惊为天人如果用一个词概括AI的发展那就是渐进式飞跃——很长时间走得慢然后突然飞起来。我们将其分为三个阶段第一阶段规则驱动时代1950s1980s——“手工编写智能”1950年图灵提出机器能思考吗1956年达特茅斯会议正式提出人工智能概念。这一时期的AI本质上是专家系统人类把知识写成一条条规则if-then机器照章办事。比如一个早期的医疗诊断系统if患者体温38.5and 咳嗽True and 肺部有啰音: 诊断疑似肺炎核心缺陷世界太复杂规则永远写不完。面对未见过的场景系统直接死机。这也是后来AI进入寒冬的根本原因。第二阶段机器学习时代1990s2010s——“让数据说话”人们意识到与其手工写规则不如让机器从数据中自己学出规律。这一阶段的核心是统计机器学习。这时的AI叫判别式AI——它能判断这张图是猫还是狗但不会画猫。它的能力边界非常清晰只能做被训练过的特定任务。第三阶段深度学习与大模型时代2012至今——“大力出奇迹”2012年AlexNet在ImageNet图像识别大赛上大杀四方深度学习时代开启。但真正的转折在2017年——Google发布Transformer架构论文《Attention Is All You Need》直接催生了后来的GPT系列。关键逻辑链Transformer架构 → 能并行处理长序列数据传统RNN做不到 → 可以堆叠海量参数百亿、千亿级 → 用互联网级数据预训练读完整个互联网文本 → 涌现出推理、创作、翻译等类人能力这就是**大模型LLM**的诞生逻辑。它不再是为某个任务定制的工具而是一个通用底座。二、为什么说大模型是转折点2.1 “涌现能力”量变引起质变OpenAI的研究发现当模型参数量超过某个阈值约100B模型会突然学会一些没有专门教过的能力上下文学习给它几个例子它就能完成新任务无需微调思维链推理要求它一步步想推理准确率跃升代码生成自动写出能运行的Python代码这就像水滴变成了河流——每个水分子只是H₂O但集结成河流就有了冲刷大地的力量。2.2 从工具到平台传统AI是螺丝刀专干一件事大模型是瑞士军刀一个东西多用途。你可以用GPT-5做撰写邮件文本生成解释《周易》知识问答写SQL查数据代码生成分析合同条款逻辑推理翻译英文论文语言转换这对测试工程师意味着什么测试对象从一个确定性的功能模块变成了一个概率性的黑盒——后面篇章会深入探讨这个挑战。三、AI 的三种形态一张表看懂在大模型时代我们可以把AI分成三种类型这也是本系列后面测评体系的基础判别型告诉你这是猫生成型画出一只猫推理型证明为什么猫能跳这么高。三者不是互斥的大模型正在融合这些能力。但从测试视角你必须能拆开看——因为它们的问题模式完全不同。四、动手试试验证你对AI演进的理解不需要写代码打开任意一个大模型产品ChatGPT/Claude/DeepSeek依次提问实验1判别能力测试“下面这句话的情感是正面还是负面只回答正面或负面‘这个产品太棒了完全超出预期’”实验2生成能力测试“用一首五言绝句描述春天要求押韵。”实验3推理能力测试“如果所有的A都是B所有的B都是C那么所有的A都是C。现在已知所有的猫都是哺乳动物所有的哺乳动物都有脊椎。请问猫一定有脊椎吗请逐步推理。”你会看到三种能力在同一模型中的体现——这也正是后面我们需要用不同指标去测评的原因。本文小结人工智能经历了规则→统计→大模型三个阶段Transformer架构的提出让模型能用海量数据训练并涌现出通用能力。大模型将AI从专用工具升级为通用平台同时形成了判别型、生成型、推理型三种形态每种形态都有截然不同的测试挑战。下一篇预告《AI 的三种形态深度拆解判别式、生成式与推理型》——我们会用代码分别演示三种AI的工作方式并给出各自的体检表测试维度清单。想了解更多还可以去各个平台搜索「IT策士」一起升级 AI 测试思维