AI华山论剑之1956年达特茅斯会议

一、背景：一切的起点

20世纪50年代，计算机已从战时密码破译工具发展为可编程的通用机器。与此同时，科学家们开始思考一个更宏大的问题——机器能不能像人一样思考？

1950年，英国数学家艾伦·图灵在论文《计算机器与智能》中提出了著名的“图灵测试“，为机器智能奠定了哲学基础。1955年，年轻的数学家约翰·麦卡锡（John McCarthy）萌生了一个想法：召集各领域顶尖学者，专门讨论“用机器模拟人类智能“这一课题。

1955年8月，麦卡锡联合马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）、纳撒尼尔·罗切斯特（Nathaniel Rochester）四人，向洛克菲勒基金会递交了一份提案：

「我们提议，1956年夏天，在达特茅斯学院开展为期两个月的人工智能研究项目。研究的出发点是：学习的每个方面，以及智能的大多数特性，原则上都可以被精确描述，从而可以用机器来模拟。」

洛克菲勒基金会最终批准了7,500美元的资助（约为申请金额的一半），这场改变人类历史的学术会议由此成形。

二、会议基本信息

项目	内容
会议全称	达特茅斯人工智能夏季研究项目（The Dartmouth Summer Research Project on Artificial Intelligence）
时间	1956年6月18日 — 8月17日（约8周）
地点	美国新罕布什尔州汉诺威镇，达特茅斯学院（Dartmouth College）
资助机构	洛克菲勒基金会（Rockefeller Foundation），资助金额7,500美元
参会规模	30余位学者，发起人四位，全程参与者三位（麦卡锡、明斯基、所罗门诺夫）
历史地位	人工智能（AI）学科的正式诞生地，被公认为“AI元年“的开启

三、参会人员

本次会议共吸引30余位来自数学、计算机科学、神经科学、心理学等领域的顶尖学者参与，其中核心人员如下：

姓名	英文名	机构/身份	主要贡献与荣誉
约翰·麦卡锡	John McCarthy	达特茅斯学院数学系助理教授	会议发起人，“人工智能“术语创造者，LISP语言之父，1971年图灵奖
马文·明斯基	Marvin Minsky	哈佛大学数学与神经学研究员	会议发起人，MIT AI实验室联合创始人，1969年图灵奖
克劳德·香农	Claude Shannon	贝尔实验室数学家	会议发起人，信息论之父，奠定数字通信理论基础
纳撒尼尔·罗切斯特	Nathaniel Rochester	IBM信息研究主管	会议发起人，IBM 701计算机主设计师
艾伦·纽厄尔	Allen Newell	卡内基理工大学研究员	符号主义AI先驱，Logic Theorist开发者，1975年图灵奖
赫伯特·西蒙	Herbert Simon	卡内基梅隆大学工业管理系主任	符号主义AI先驱，认知科学奠基人，1975年图灵奖+1978年诺贝尔经济学奖
亚瑟·塞缪尔	Arthur Samuel	IBM工程师	“机器学习“一词创立者，国际跳棋AI程序开发者
奥利弗·塞尔弗里奇	Oliver Selfridge	MIT，维纳学生	模式识别奠基人，写出最早可工作的AI程序之一
雷·所罗门诺夫	Ray Solomonoff	芝加哥大学/MIT	全程参与，算法信息论与归纳推理机先驱
约翰·巴克斯	John Backus	IBM工程师	FORTRAN语言之父，1977年图灵奖

值得一提的是，这些参会者中有4位后来获得图灵奖（计算机科学最高奖），赫伯特·西蒙更同时获得1978年诺贝尔经济学奖。一场会议，汇聚了如此密度的顶级学者，在科学史上极为罕见。

四、会议过程：碰撞与分歧

会议于1956年6月18日在达特茅斯学院正式开幕，历时近8周。与其说这是一场有议程的学术会议，不如说是一次思想的自由碰撞——参与者来去自由，没有统一的会议纪要，也没有形成明确的共识文件。

（一）七大研究议题

提案中提出了七个核心研究方向，涵盖了未来AI发展的几乎所有主要路径：

序号	议题名称	主要内容
1	自动计算机	研究可编程的自动计算机器，探讨如何让计算机自主执行复杂任务
2	编程语言与自然语言	如何让计算机理解和使用自然语言，是NLP（自然语言处理）的最早构想
3	神经网络	模拟大脑神经元的连接结构，以神经网络为载体实现机器学习
4	计算复杂性理论	研究计算规模与难度的关系，奠定算法分析的理论基础
5	自我改进（机器学习）	探讨机器如何通过经验改进自身性能，即今天“机器学习“的雏形
6	抽象与概念形成	研究机器如何从感知数据中形成抽象概念，涉及认知科学核心问题
7	随机性与创造性	“控制随机“被视为智能的核心机制，为后来的概率AI和强化学习奠基

（二）最重要的成果：Logic Theorist（逻辑理论家）

会议上最令人震撼的展示，来自纽厄尔和西蒙开发的“逻辑理论家“（Logic Theorist）程序——这是人类历史上第一个真正可运行的AI程序。

该程序能够自动证明《数学原理》（Principia Mathematica）中的52条定理中的38条，其中第2.85条定理的证明甚至比原书的方法更为简洁。纽厄尔和西蒙在会上兴奋地宣称：

「我们发明了一台会思考的机器。」

（三）塞缪尔的跳棋程序

IBM工程师亚瑟·塞缪尔在会上演示了他的国际跳棋AI程序。该程序采用“价值评估“与“剪枝搜索“两种方法，能够通过反复对弈不断提升棋力，是机器学习思想的最早实践。1959年，塞缪尔在此基础上正式提出“机器学习“（Machine Learning）这一概念。

（四）分歧与未共识

尽管会议成果丰硕，但与会者在研究路线上分歧明显：香农倾向于数学形式化方法；明斯基偏爱符号逻辑；所罗门诺夫关注概率推理。各方的观点碰撞，实际上孕育了日后AI三大学派的雏形。

五、重要成果

（一）“人工智能“术语的正式确立

“Artificial Intelligence”（人工智能）这一术语，正是麦卡锡在会议提案中首次提出并在此次会议上正式推广的。在此之前，相关研究被称为“控制论“、“自动化“或“复杂信息处理“。这个新名称的确立，赋予了这个领域独立的学科身份。

（二）AI三大学派的萌芽

达特茅斯会议是AI三大主要研究流派的共同起点，三者的核心思想在这次会议上均已初具雏形：

学派	核心思想	代表人物	现代发展
符号主义（Symbolism）	将知识符号化，通过逻辑规则推理解决问题，“智能是对符号的操作“	麦卡锡、明斯基、纽厄尔、西蒙	专家系统、知识图谱、规则引擎
连接主义（Connectionism）	模拟大脑神经元连接，从海量数据中归纳学习规律	皮茨、麦卡洛克，早期明斯基	深度学习、大语言模型（LLM）
行为主义（Behaviorism）	通过“尝试与试错“、“探索与利用“机制在环境交互中学习	塞缪尔（跳棋程序）	强化学习、AlphaGo、游戏AI

（三）第一批AI研究机构的成立

会后，麦卡锡与明斯基联合在麻省理工学院创建了MIT人工智能实验室（MIT AI Lab），纽厄尔与西蒙则在卡内基梅隆大学建立了卡内基梅隆AI研究中心。这两个机构成为此后数十年全球AI研究的两大重镇。

六、对后世的影响

影响领域	具体体现
学科建制	人工智能作为独立学科正式成立，催生了麻省理工学院（MIT）、卡内基梅隆大学、斯坦福等顶级AI研究中心
研究路线	三大学派（符号主义、连接主义、行为主义）并行发展，成为整个AI研究的底层框架，至今仍是各类AI系统的理论依据
技术语言	LISP语言（麦卡锡）成为AI领域主导编程语言长达数十年；FORTRAN（巴克斯）奠定科学计算基础
机器学习	塞缪尔的跳棋程序是“机器学习“的最早演示，其核心思想直接启发了今天的深度强化学习（如AlphaGo）
人才培养	与会学者后来培养了几代AI科学家，形成延续至今的学术传承；麦卡锡、明斯基、纽厄尔、西蒙等人先后获得图灵奖
社会认知	“人工智能“这一术语从此成为全球共识，推动了AI的社会化传播与产业化应用，今天的语音助手、人脸识别、自动驾驶无不源于此

（一）深远的学术传承

与会学者们的学生和学生的学生，构成了今天AI领域的核心力量。明斯基的学生中有后来的神经网络复兴者Geoffrey Hinton（2024年诺贝尔物理学奖得主）的学术先辈；麦卡锡的工作直接启发了斯坦福AI实验室的创立。

（二）AI的“起伏周期“

达特茅斯会议开启的乐观主义也带来了后来的反思。1969年明斯基和派伯特在《感知器》一书中对神经网络的批评，导致了第一次“AI寒冬“（1970s）；1980年代专家系统的局限带来第二次“AI寒冬“。这种“过度乐观→挫折→反思→新突破“的周期，至今仍是AI发展的基本节律。

（三）对今天的意义

2026年，距达特茅斯会议已过去整整70年。ChatGPT、Sora、AlphaFold……今天这些令人震撼的AI成果，其思想根脉均可追溯至那个1956年的新罕布什尔州夏天。

「不辨积微之为量，讵晓百亿与大千。」——我们今天享受的语音助手、地图导航、拍照识别，都是那群先驱者在70年前点燃的一粒火种。