在19世纪，医生会采用一些当时看似有效的疗法，比如给情绪不稳定的病人服用汞，让哮喘病人吃砒霜，甚至在手术前也不洗手。尽管他们并无恶意，但他们确实缺乏更好的治疗方法。

这些早期医生的笔记记录了宝贵的数据，然而每位医生只是庞大拼图的一小块。没有工具可以分享和分析信息，迷信依然盛行。从那时起，人类在技术和科学上取得了巨大进步，但机器学习（ML）和人工智能（AI）的发展并不是对过去的割裂，而是人类智慧的延续，让我们能够更好地理解和决策。

今天，AI的发展不是割裂过去，而是拥有更先进的技术。我们可以将其视为数据集的革命，而非单个数据点的革命。数据集推动了现代社会的发展。

早在5000多年前，苏美尔地区的抄写员就开始在粘土板上书写文字，创造了首个书写系统和数据存储技术。虽然古代的数据存储方式有限且检索困难，但可靠的数据库存储能力标志着人类迈向更高智能的第一步。

然而，在电子设备普及之前，从泥板书等早期书写系统中检索信息是一项艰巨的任务。数据分析耗时费力，因此人们只记录重要的信息。在医学领域，数千年的传统只是让人们顺其自然。

幸运的是，总有人站在历史的前沿。例如，约翰·斯诺通过绘制霍乱病例地图，揭示了饮用水的重要性，颠覆了人们对瘴气的迷信。同样，弗洛伦斯·南丁格尔利用信息图表，展示了医院卫生条件对死亡率的影响，推动了政府重视卫生设施的建设。

分析学的兴起带来了一些重要的发现，但也存在局限性。如果没有第二个数据集，很难验证分析结果是否可靠。此外，人们的成见可能会影响分析的准确性。因此，引入统计学来验证假设变得尤为重要。

到了20世纪，统计学应运而生，解决了分析学的一些不足。罗纳德·费希尔通过实验验证了朋友关于茶的假设，展示了统计学的力量。统计学要求在行动前进行严格的测试，而分析学更像是预判游戏。

数据分割的出现改变了这一切，通过将数据分为两部分，实现了分析和统计的结合。这催生了双数据集时代，随后进一步发展为三数据集时代，即机器学习的兴起。机器学习通过验证集激发灵感，提升了自动化的效率。

人工智能（AI）则是深度学习的一种称呼，它在处理复杂任务时表现出色，但需要大量数据和强大的计算资源。因此，现代AI的发展主要依赖于云计算服务。

未来，随着数据量的增加，可能会出现四个数据集的时代，进一步加速AI的发展。通过高级分析技术，每一轮尝试都将更加高效。

总结而言，AI的发展不仅在于数据本身，更在于如何利用数据集来激发灵感、进行迭代和严格测试。未来的AI将更加智能化，带来更多创新和便利。