AI HISTORY · 1956—2026

AI 的七十年

一台机器，怎么学会看、听、说，最后学会自己做事

从麦卡洛克的一张电路草图，到今天会自己订机票的 Agent。中间隔了七十年，也隔了三次寒冬。

全文约 8000 字 · 慢慢看，大概二十分钟 · 27 张图，12 份原始资料

2022 年 11 月 30 日之后的那个星期，很多人的朋友圈被同一个截图占满：一个白色对话框，和一句「帮我写个……」。

大多数人当时的判断是，OpenAI 赢在产品——界面够干净，谁都会用。

这个判断只对了一半。对话框背后其实躺着七十九年的东西：1943 年有人在纸上画出了人工神经元的数学模型，1956 年一群人在达特茅斯的夏天给这门学问起了名字，1986 年有人终于想明白多层网络该怎么调参数，2017 年几个谷歌研究员把「排队读」换成了「同时看」。

这四件事，单拎哪一件都不像产品。攒到一起，才有了那个框。

人身上有些本事，机器看着都眼馋。

眼睛能看，耳朵能听，摔一跤就记住教训，听一句话能听出弦外之音，还能凭空琢磨出个原本不存在的东西。

把这几样翻译成研究课题，就成了六件事：怎么算、怎么推理、怎么从经验里学、怎么理解眼前的世界、怎么造出新的内容、怎么自己把活干完。

七十年的 AI 史，基本就围着这六件事打转。每一代人都只能啃下一小块，然后发现下一块更硬。

有个容易被忽略的地方：这六件事并不是排队解决的。视觉和语言几乎同时在推进，推理和生成长期各走各路。教科书为了好看，把它们排成一条线；真实的实验室里，是一堆互不通气的房间。

先把全景铺开。下面每一条后面都会展开，现在只需要有个方位感。

计算机刚问世那几年，人们很快就撞上一个别扭的边界。

它算得极快。你让它算 1+1，它给你 2，零延迟。可你要是把一张照片推过去，问「这是不是只猫」，它就没反应了——不是算得慢，是根本无从下手。认出一只猫，得从一堆明暗不一的像素里揪出耳朵、胡须、脸型这些特征，再判断它们凑在一起意味着什么。这活儿以前只有脑子能干。

1943 年，麦卡洛克和皮茨发了篇论文，标题长得不像话：《神经活动中内在观念的逻辑演算》。名字吓人，想法其实很朴素：把神经元当成一个开关，若干路信号进来，各自带一个权重，加起来超过某个阈值就「通电」，否则不通。写成公式，只有几行。

来源：medium.com

来源：robotsauthority.com

这几行公式，是今天所有神经网络的祖先。当然，1943 年没人管它叫「人工智能」——这个词还得再等十三年。

不过这套模型有个前提：神经元之间得靠信号传递，权重得有人来定。谁来定？当时没人答得上来。

七年之后，图灵在《Mind》上发了一篇文章，标题本身就是个设问：《计算机器与智能》。

有意思的是他绕开了定义。「机器能不能思考」——什么叫思考？他不回答。他换了个问法：假如你隔着一堵墙，只能靠打字跟两个对象聊天，一个是人，一个不是。聊完你分不出来谁是谁，那这台机器算不算「会想」？

来源：Computer History Museum

Alan Turing，艾伦·图灵，英国数学家。这篇文章最有价值的地方，不是它给了答案，而是它把「机器能不能想」这个哲学问题，改造成了一个可以设计实验、可以争论、可以判对错的问题。

他在文末顺手给了个估计：大概到 2000 年，机器就能骗过三成的裁判。这个数字后来被引用过无数遍，也被证伪过无数遍——真到 2000 年，聊天机器人还在靠模板拼句子。

话说回来，二十三年后 ChatGPT 上线，玩的正是这套玩法。图灵猜错了时间，但没猜错方向。

来源：lopegonzalez.es

原文在这儿

1956 年夏天，新罕布什尔州的达特茅斯学院来了一小群人。

他们打算用两个月、十来个人的时间，把「让机器模拟智能」这件事推进一大步。听起来像玩笑，可提案里写得一本正经：学习的每个方面，或者智能的任何其他特征，原则上都能被精确描述，以至于可以造一台机器来模拟它。

给这个项目起名的是麦卡锡，那年他二十九岁。他用了一个此前没人用过的词：Artificial Intelligence。

来源：infobae.com

后来大家把这场聚会当成 AI 的生日。严格说，它更像一次立项——会开得零零散散，不少人只来了几天就走了，最后也没留下什么统一结论。但名字留下了，人也认识了，这门学问从此有了一个可以拿去申请经费的名目。

那一代人的工具箱里基本只有一样东西：逻辑。

拿「判断一个人是不是成年人」举例。你给它写一条规则：年龄大于等于十八，输出「成年人」，否则「未成年人」。它答得又快又准。纽厄尔和西蒙那几年写出 Logic Theorist，能把《数学原理》里的定理一条条证出来。

这就是符号主义。人类把知识和判断写成条款，机器照着条款往下推。它确实解决了一类问题——过去被认为非得靠人脑才能干的活，机器第一次干成了。

来源：medium.com

但现实里的问题，有几条能写成这么干净的规则？

「这个人是不是生病了」「这句话是不是在讽刺我」「这张图好不好看」——你试着写写看。写到第三条就会发现，条件之间开始互相打架，例外比规则还多。人类专家自己也说不清他的判断依据，他只是「一看就知道」。

这个坑，埋了十几年才炸。

原文在这儿

达特茅斯学院：The Founding and Future of AI　·　AI100 简史

1973 年，英国政府请数学家 James Lighthill 来评估这件事。报告出来的措辞不太客气：这个领域的研究，没达到它自己承诺过的水平。

钱就停了。

来源：alicebot.org

严格说，那几年不是「没有进展」，是「进展和承诺之间的落差太大」。前面那批人许下的东西太满，公众记住了承诺，忘了技术限制。

拆开看，卡住的地方有三个。

算力不够。那时候一台机器的主存以 KB 计，跑今天任何一个玩具模型都撑不住。

数据不够。互联网还要等二十年，人类大部分文字还躺在纸上、胶片上、人的脑子里。

方法也不对。符号系统处理「如果 A 那么 B」很拿手，处理「这张脸看着有点像他」就彻底没辙。前者是逻辑，后者是感觉——而七十年代没有描述「感觉」的语言。

原文在这儿

Stanford AI100：AI Winter 一节

寒冬之后，学界换了个思路：既然造不出通才，那就先培养一个专科医生。

专家系统是这么干活的：找一位在这个领域真的懂行的人，把他的判断一条条问出来，整理成规则库，机器再拿着规则去套。听上去笨，但在狭窄领域里出奇地好用。

来源：paleofuture.com

最有名的案例叫 MYCIN，斯坦福在七十年代做的，专门看血液感染。它攒了几百条规则，输入症状和化验结果，输出可能的病菌和用药建议。

有意思的是，后来有评估发现，它在血液感染上的判断质量不输给当时的专科医生。可它几乎没进过真正的病房。

来源：alicebot.org

为什么？因为规则得有人一直养着。医生发现一条新情况，你就要回去改规则库；改到第五百条，第十条和第四百八十条开始互相矛盾，没人敢动。更要命的是新病菌、新药、新的检测手段一出现，整套规则立刻过期——它不会自己学。

于是有人提了个反过来的问题：能不能别教它所有规则，让它自己看数据？

顺带说一句，这套东西的血脉今天还活着。不少企业的客服机器人、风控规则引擎，骨架还是「知识库 + 一堆 if-else」，只是外面套了层对话界面。

原文在这儿

Stanford AI100：Expert Systems 与第二次寒冬

思路一转，问题的形状就变了。原来问「规则该怎么写」，现在问「参数该怎么调」。

这事其实早有伏笔。1958 年，康奈尔的心理学家罗森布拉特做了台机器，叫 Mark I Perceptron，主体是四百个光电管拼成的一片「视网膜」，后面接一层可调权重的电路。他把权重做成旋钮，拧错了就重拧——机器在错误里自己找方向。

当时媒体很兴奋，报道说这东西将来能走路、说话、看东西。

来源：omnisearch.ai

兴奋没持续多久。1969 年，明斯基和佩珀特出了本书，就叫《Perceptrons》，里面证明了一件让人泄气的事：单层感知机连「异或」都算不了。异或是什么？「两个条件里恰好有一个成立」——就这么简单的一件事，一层网络做不出来。

这本书的杀伤力被后来的评论者认为夸大了，但它确实成了压垮神经网络的最后一根稻草之一。神经网络这条线，冷到了八十年代中期。

转机来自一个很笨的问题：既然一层不够，那就叠几层。可叠了层，怎么知道该调哪个参数？

1986 年，鲁梅尔哈特、辛顿和威廉姆斯在《Nature》上给了答案：反向传播。

来源：medium.com

它的逻辑跟学生改错题一模一样。考了六十分，知道正确答案是一百分，差在哪、差多少，从最后一层往前一层层算回去，每层领一份责任，各自微调一点点。下一次再考，误差小一点。重复几万次。

说起来这套思路并非 1986 年首创，更早有人提过。但那篇论文把它讲清楚了、跑通了、让整个领域相信它可以规模化。有时候一个方法能不能活下来，取决于有没有人把它讲到别人愿意用。

再往后是 1997 年 5 月，纽约。IBM 的深蓝跟卡斯帕罗夫下了六盘，三胜一负二和。

来源：theworld.org

那场比赛的意义，不完全在棋上。它第一次给了「机器能不能比人强」一个具体的、可以被指认的对象——不是设想，是一台摆在纽约的机柜。

但这里有个特别容易搞混的地方：深蓝不会下棋。

它没看过一盘棋谱去「学」，它的做法是每秒算两亿个局面，配上一个人手写的评估函数。赢棋靠的是搜索深度和算力，跟今天那种靠数据喂出来的模型，是完全两条路。

原文在这儿

AI 在 21 世纪翻身，靠的不是某一篇论文。是三个东西同时到位。

数据。互联网把人干过的事全记下来了：照片、帖子、点击、订单、导航轨迹。以前训练一个模型要找实验室借数据集，现在数据是自己涌过来的。

算力。GPU 本来是为打游戏做的，结果发现它擅长的矩阵乘法，正好是神经网络最吃力的部分。这是个很典型的意外——为另一件事造的锤子，敲开了这扇门。

方法。网络结构、初始化、正则化，这些琐碎的工程细节一点点被磨出来。单个看都不像突破，攒起来才让「深」这件事真的能训。

来源：ainvest.com

2012 年秋天的 ImageNet 竞赛，是这三样东西第一次同时显形。

三个年轻人——克里热夫斯基、苏茨克维、辛顿——交了一个叫 AlexNet 的模型。成绩出来，Top-5 错误率 15.3%。第二名 26.2%。

这个差距在竞赛史上是反常的。往年的进步以零点几个百分点计，评委们习惯了慢慢挪。这一次直接跳了一档。

来源：medium.com

更有意思的是它的硬件：两张 GTX 580 显卡，加起来 6GB 显存。今天你手里任何一台游戏本，算力都比它高出十几倍。所以 AlexNet 真正的贡献不是「算得多」，而是证明了「这么算，值得」。

学界的反应很快。此前深度学习在顶会里属于偏门，第二年就变成了主流。一个数字改了整个领域的品味。

四年后，AlphaGo 把战场搬到了围棋。

来源：iflscience.com

围棋难在哪儿？国际象棋的分支还能靠算力硬扛，围棋一盘棋的可能局面数比宇宙里的原子还多，蛮力搜索走不通。

AlphaGo 的办法是「感觉 + 算」：策略网络负责猜「人大概会往这儿下」，价值网络负责估「现在这盘我赢面几分」，两个网络都靠自我对弈喂出来——自己跟自己下几千万盘，从输赢里学。

第二局第 37 手，它下了一步五路肩冲。这步棋不在人类棋谱里，解说员一度以为程序出错了。后来复盘才发现，那是一步好棋——只是好得不像人。

来源：speakerdeck.com

这一阶段真正变化的东西，比「机器更准了」要深一点：它开始能在没有标准答案的地方做选择。看图和下棋是两回事，后者需要判断、取舍、承担后果。

原文在这儿

AlexNet 论文　·　DeepMind 的 AlphaGo 技术页

先做个小测试。

读这句话：「小明把苹果放在桌上，因为它很滑。」这个「它」指什么？

多数人会先说桌子，然后顿一下，改成苹果——苹果才可能滑，桌子一般不滑。这个「顿一下」的过程，就是语言理解。你调用了常识，也调用了上下文。

机器以前做不好这件事，因为它一个词一个词往后读，读到「它」的时候，前面那些词的印象已经淡了。

2017 年，谷歌的八个研究员交了篇论文，标题起得很硬气：《Attention Is All You Need》。

来源：toloka.ai

注意力机制干的事，说得直白点：让每个词自己去问其他词一句「咱俩有多熟」，然后把答案按亲疏加权汇总。

更关键的是它顺手解决了效率问题。原来的循环网络必须排队，一个词算完才算下一个；Transformer 让所有词同时进场，像开会而不是像传话。这一改，训练规模才可能往上堆。

来源：newsletter.theaiedge.io

2018 年谷歌又放出 BERT。它跟 Transformer 的关系像同一套骨架的两种练法：BERT 让每个词同时看左右两边，适合理解；后来 GPT 那条线只看左边，适合往下续写。

2020 年，GPT-3 出来了。1750 亿参数。

来源：jalammar.github.io

1750 亿是个什么概念？每个参数按一字节粗算，光把模型装进内存就得 175GB。当年训练它的账单，按公开估算在千万美元量级。

论文里真正让人坐不住的不是参数量，是一种叫「少样本学习」的现象：你给它两三个例子，甚至只给一句指令，它就能把新任务做得像样。它没为这个任务专门训练过。

这里得泼一盆冷水。

GPT 并没有「学会」人类的知识。它学的是词与词之间的统计关系。你把海量文本喂给它，它记住的是「在这个语境下，下一个词大概率是什么」，而不是「这件事在物理世界里是怎么回事」。

打个不太严谨的比方：它像一个把整座图书馆读完、但从没做过一次实验的人。谈什么都头头是道，真让他上手修个水管，就未必。

原文在这儿

Transformer 原文（arXiv）　·　Google Research 条目　·　GPT-3 论文

2022 年 11 月 30 日，OpenAI 挂出一个「研究预览」版本，名字叫 ChatGPT。

五天，一百万注册用户。这个速度在当时是没见过的。

来源：kommo.com

它做对的那件事，技术上讲并不新鲜。底层模型 GPT-3.5 已经存在好几个月，能调用它的 API 也早就在。变的是壳：一个空白的输入框，没有参数，没有提示词模板，没有「请先阅读文档」。

以前用 AI，门槛在编程和术语。现在门槛只剩「你会不会打字」。

另一件事常被忽略：RLHF。简单说，就是找一批人给模型的回答打分排序，模型朝着「人更喜欢的那一档」去调。这套办法不提模型的水平，但很会改它的语气——从「我猜可能是」变成「你可以这样试试」。

很多人第一次觉得「它好像懂我」，其实是被这一点打动的。

来源：tn.com.ar

2023 年 3 月，GPT-4 来了。跟只会读文字的版本比，它能看图了：你把一堆数据图表截图丢过去，问「这组数据说明什么」，它能讲出个大概。

同年 12 月，谷歌发布 Gemini，宣传口径是「从第一天就按多模态设计」。是不是真从第一天就长这样，外界无从验证；但方向很清楚——文字不再是唯一的入口。

来源：forum.code.org

原文在这儿

OpenAI：Introducing ChatGPT　·　GPT-4　·　Gemini

2024 年 2 月，OpenAI 放出了 Sora 的演示片段。输入一句话，出来的是一段可以慢慢看的动态画面。当时圈内讨论最多的不是画面质量，是那几段视频里「东西会不会突然消失又出现」——因为物理规律守不守得住，才是这类模型真假的试金石。

来源：ai-trends.blog

三个月后是 GPT-4o，重点在「实时」：说话不用等它转成文字，语气、停顿、被打断，都处理得下来。九月，o1 出来了，换了个训练思路——不急着给答案，先在内部多想几步。

这个思路的公开解读里，「思维链」和强化学习被提得最多。说得糙一点：以前训练它「答得快」，现在训练它「答之前先想想」。人类做题本来就这么干，机器绕了一大圈才回来。

2025 年 1 月 20 日，DeepSeek 发布 R1，把这条路线的权重公开了。这件事的影响有两层：一层是技术上的，证明用强化学习做推理不必非得关起门来搞；另一层是心理上的，很多人第一次意识到，前沿模型的名单不再是固定的那两三家。

来源：linkedin.com

然后是 Agent。这一年多，几乎每家都在讲这个词。

它想解决的问题很具体。你让 ChatGPT「安排一趟去大阪的三天行程，预算八千」，它给你一份漂亮的路书。然后呢？机票你自己搜，酒店你自己比，行程你自己往日历里敲。它出主意，你干活。

Agent 想做的是把后半段接过去：拆任务、开浏览器、比价、填表，走到付款页停住，回头问你一句「用哪张卡」。

「回头问一句」这个动作，恰好划出了今天的能力边界。它不是不能自己付，是不敢。权限、责任、可撤销性，这些问题一个都还没解决。

来源：windowsforum.com

原文在这儿

Sora 技术说明　·　o1 的推理路线　·　DeepSeek-R1 论文

把这七十年拉直了看，能看到六次换挡。每一次都不是「变强了一点」，而是「能干的事换了一类」。

从算数到推理。早期机器只会加减乘除，人得把问题翻译成算式。符号主义那批人想让它自己往下推，于是有了定理证明程序。这一步的野心不小：不只是算得快，而是「知道自己在算什么」。

从写规则到看数据。规则写不完，这是七十年代最痛的一课。转向机器学习之后，人的角色从「定规则」变成「给例子」。这个转变听着技术，实际上是权力转移——决定机器行为的，从工程师变成了数据。

从浅层到深层。一层网络只能画直线，多层才能画曲线。这句话听起来简单，中间隔了将近二十年——因为层一多，参数就没法调了。反向传播补上了这块，深度学习才真正成立。

从识别到生成。识别是「这属于哪一类」，生成是「造一个出来」。前者有标准答案，后者没有。机器开始做没有标准答案的事，评判标准也就从「对不对」变成了「好不好」——这个变化带来的麻烦，比技术进步本身更多。

从单模态到多模态。文字、图像、声音、视频原本是四个独立赛道，各有各的模型。把它们放进同一个表征空间，等于让机器第一次有可能理解「这张图配这句话是什么意思」。

从回答到办事。前五次跃迁都在改善「输出的质量」，这一次改的是「输出的终点」。它不再交给你一段文字，而是交给你一个已完成的动作。风险也在这里——文字错了可以删掉重来，事情做错了，得去收拾。

这个问题被问过很多次，标准答案是「算力、数据、算法」。答案没错，但太干净了，解释不了为什么是 2022 而不是 2015。

我的看法是，这五样东西凑到了一起，而且它们会互相喂养。

来源：woshipm.com

这五项不是并列关系，是滚雪球。算力上去，模型变大，能力变强，用户变多，收入变多，才敢继续买卡。反过来任何一环断了，雪球就停在原地——七十年代和九十年代，都是这么停的。

所以我倾向于认为，AI 这波不是某个人天才的结果，也不是单点突破。它更像一堆零件终于凑齐，然后有人把它们拧在了一起。

二手解读看多了容易失真，原话还是得自己读几页。下面这份清单我隔一阵会翻一遍，每次注意到的点都不太一样。

还想再往里走一层，可以看斯坦福的 AI100 百年研究计划的附录。它把技术脉络和社会影响放在一起讲，相对来说不那么技术宅。

这七十年，与其说是在造机器，不如说是在带一个徒弟。

头二十年，师傅把规矩一条条写给他看。后来发现规矩永远写不完，改成扔一堆案例，让他自己总结。再后来，给他看图纸、看录像、看整个行业的档案。现在，敢让他自己出门办事了——只是还得有人在旁边盯着，尤其是付钱那一步。

来源：medium.com

不过有一点得说清楚：这个徒弟越能干，越不代表他懂了。他答对一道题，可能只是见过太多相似的题。这是统计学习的天花板，也是它最容易被误解的地方。

所以真正该问的，不是「它有多强」，而是：它能解决什么、凭什么解决、在哪儿会翻车、翻车了怎么办。

如果你从零开始，我建议按这个顺序走，不要跳。

每学一个概念，别急着往下翻。先问自己三句话：它解决了前面哪个卡点？靠什么办法解决的？这个办法在什么情况下会失效？

第三问最有用。前面两个问题任何一本教材都会告诉你答案，第三个问题往往得自己撞一次墙才明白。