夜雨聆风AI发展历史系列 · 第1篇
我们每天都在用AI，但几乎没人知道它从哪来、为什么是今天这个样子。本文讲述了1950到2012年间，AI从图灵的一个问题出发，在两次寒冬里跌跌撞撞走了60年的故事。读完你会理解，今天每一个"理所当然"，背后都有一群人在最不被看好的时候选择了继续走。
大家好，我是阿超。
你每天都在用ChatGPT。但你有没有想过——
它从哪里来的？
不是问它的训练数据从哪来。是问：人类为什么要造这个东西？是谁第一个认真地把"机器能思考吗"当成科学问题而不是科幻小说来研究？
我最近花了很长时间学习AI的早期历史（参见首图）。看完之后最大的感受是：我们今天觉得理所当然的一切，都踩在一群被嘲笑的人的肩膀上。
接下来这个系列，我会带你回到那个年代，回顾整个AI的发展史。不讲公式，不写代码，只讲故事——带你了解谁在什么背景下做了什么选择，改变了什么？
Part 1：1950年——一个不该被问的问题
1950年，英国数学家艾伦·图灵在哲学期刊《心智》上发表了一篇论文。
论文开头只有一句话：「我提议考虑一个问题：机器能思考吗？」
今天听起来平平无奇。但在1950年，这是一个近乎荒谬的问题。
计算机才刚刚出现不到十年。全世界没几台。它们的主要工作是计算炮弹弹道和破译密码。"让机器思考"这种想法，在当时的大多数科学家眼里，属于科幻小说的范畴，不该出现在严肃学术期刊上。
图灵自己也知道这个问题太模糊了。"思考"是什么意思？定义不清。于是他做了一件非常聪明的事——他换了一个问题。
他设计了一个游戏：一个审讯者通过文字和两个对象对话，一个是真人，一个是机器。如果审讯者聊了五分钟分不清谁是人谁是机器，那就说明——这台机器在行为上和人类无法区分。
这就是后来被称为「图灵测试」的东西。但图灵自己叫它「模仿游戏」。
图灵没有问"机器能不能思考"。他问的是"机器能不能表现得像人在思考"。这个问题从哲学变成了工程——可以被测试、被验证、被逼近。
论文结尾，他做了一个预测：到2000年，一台拥有10亿存储容量的计算机，经过五分钟对话，能让审讯者判断正确的概率不超过70%。
他预测错了。不是太乐观——是太保守。我们今天聊得比这久得多。
Part 2：1956年——一张申请表，写下了全人类的野心
图灵提出了问题。但真正给这个领域命名的，是六年后的另一群人。
1955年8月，达特茅斯学院一位29岁的年轻数学助理教授，起草了一份研究提案。
他叫约翰·麦卡锡。
提案的开头是这样写的：「我们提议，1956年夏天在达特茅斯学院进行一项为期2个月、10人参与的人工智能研究。这项研究基于一个猜想：学习的每一个方面，或智能的任何其他特征，原则上都可以被精确描述，以至于可以用机器来模拟它。」
然后他列了一份清单：让机器使用语言、形成抽象概念、解决目前只有人类能解决的问题、自我改进。
注意那个词——「人工智能」（Artificial Intelligence）。这是麦卡锡创造的新词。在此之前，这个领域连名字都没有。
提案的四位发起人是麦卡锡、哈佛的马文·明斯基、贝尔实验室的克劳德·香农、IBM的内森·罗切斯特。数学、神经学、信息论、工业界——还没开始研究，团队就已经是跨学科的。
1956年夏天，三十多位学者如期来到达特茅斯。会议持续了整整八周。没有论文、没有评审、没有deadline——就是一群人类最聪明的大脑坐在一起，讨论一个疯狂的问题。
他们当时的乐观程度令人难以置信。麦卡锡在提案里写：「我们认为，如果一组精心挑选的科学家在一起工作一个夏天，就可以在一个或多个问题上取得重大进展。」
一个夏天。解决智能问题。
Part 3：1974年——第一次寒冬
达特茅斯会议之后的二十年，AI研究者们渐渐发现，问题比想象的难得多。
当时的研究路径叫「符号主义」——把人类的推理过程写成逻辑规则，让机器照着规则推理。听起来很合理。但实际操作起来，规则永远写不全。真实世界太复杂了。
1969年，马文·明斯基和西摩尔·派珀特出了一本书，叫《感知机》。这本书用数学严格证明了简单神经网络的局限性。虽然它的结论只适用于当时最简单的单层网络，但整个研究界把它理解成了「神经网络这条路走不通」。
然后政府开始撤资。
1973年，英国数学家詹姆斯·莱特希尔爵士发表了一份调查报告，标题就很不客气：「人工智能：一项普查」。结论是：AI领域迄今为止的成果，与其承诺相比，令人失望。英国政府随后大幅削减了AI研究经费。
美国国防部高级研究计划局（DARPA）——当时AI最大的金主——也收手了。1970年代初的语音理解项目进展太慢，DARPA决定把预算转向「更容易出成果的」领域。
从1974年起，AI进入了长达六年的寒冬。钱没了，人走了，杂志上不准出现「人工智能」这个词。研究者开始用「机器学习」「知识工程」这些名字包装自己——不是因为研究方向变了，是因为「AI」已经成了申请经费的自杀词。
Part 4：1987年——第二次寒冬
1980年代初，AI短暂回暖。原因是「专家系统」——一种把特定领域的专业知识写成规则的程序。
1980年，卡内基梅隆大学为DEC公司开发的专家系统XCON，每年为公司节省四千万美元。全世界看到了AI的商业价值。到1985年，企业在AI上的投入超过十亿美元。日本政府拨了8.5亿美元启动「第五代计算机」项目，目标是造出能像人类一样推理的AI计算机。
然后三件事同时发生。
第一，1987年，太阳微系统公司推出了性能强大的通用工作站。为专家系统定制的专用LISP机器瞬间过时。一年之内，LISP机器市场崩溃。大量风险投资血本无归。
第二，DARPA换了领导。新上任的计算研究主管杰克·施瓦茨对AI持否定态度，大幅削减经费。
第三，企业逐渐发现专家系统极其脆弱。它们能处理高度常规的问题，但一遇到稍微异常的情况就崩溃。而且维护成本惊人——每加一条新规则，就要检查会不会跟已有的几万条规则冲突。
到1990年代初，企业纷纷放弃专家系统。第二次AI寒冬降临。这次持续了六年。
Part 5：1986-2012——一个异类的二十六年独行
如果历史只写到1993年，AI就是一个反复失败的故事。
但有一个细节改变了整条轨迹。
1973年，一个叫杰弗里·辛顿的英国年轻人，在爱丁堡大学开始了他的AI博士生涯。他的研究方向是神经网络。而那个时候，「神经网络」在学术界的地位，差不多等于「地平说」在天文学界的地位。
他的导师朗盖-希金斯劝他换个方向。「做一点更容易获奖的研究，」导师说。导师是好意。辛顿没有听。
博士毕业时，几乎没有人相信神经网络。明斯基的《感知机》已经把这条路判了死刑。辛顿后来回忆说：「1970年代初，身边的人都在问我，明斯基和派珀特都说神经网络没有前途，为什么还要坚持下去？说实话，我感觉很孤独。」
但他没有放弃。1986年，他和同事发表了反向传播算法——这是训练多层神经网络的关键技术。当时没人注意。算力不够。
1987年，因为对里根政府的不满和美国AI研究主要由军方资助的现实，辛顿离开卡内基梅隆大学，去了加拿大多伦多大学。他在加拿大高级研究所（CIFAR）做了一个项目，叫「机器与大脑学习」。这个项目持续了十几年，资金很少，团队很小，但在整个AI寒冬期间，它几乎是全球唯一还在认真研究神经网络的地方。
辛顿在CIFAR养活了一个微型学术共同体。他的两个学生——亚历克斯·克里泽夫斯基和伊利亚·苏茨克维——后来跟他一起做出了AlexNet。
那是2012年的事。下一篇再说。
但有一件事现在就可以告诉你：辛顿等了将近四十年，才等来他的时刻。三十九年里，他被质疑、被孤立、被劝退。他唯一做的事情就是：继续。
AI的历史不是一条从胜利走向胜利的直线。它是一群被嘲笑的人，在寒冬里持续生火的故事。
图灵在1950年的论文结尾写了一句让我愣了几秒的话。他引用了另一个数学家的话说：「我们只能看到眼前的一小段距离。但是，我们可以看到仍有许多工作要做。」
1950年。他已经在看2026年我们还在做的事。
从图灵的一个问题，到达特茅斯的一张申请表，到两次AI寒冬，到辛顿在北国多伦多的二十六年独行——AI的前60年，没有一次大规模成功，没有一位一夜成名的英雄。有的是提出问题的人、命名领域的人、在寒冬里不走的人。
2012年，AlexNet赢得ImageNet比赛。一切开始改变。
但那是下一篇的故事了。
以上就是AI发展史第1篇——从图灵到2012年的完整脉络。
下篇预告：2012年，一个边缘学派用GPU炸开了整个世界。AlexNet如何从一个不被看好的实验，变成了AI历史上最重要的转折点。
如果觉得有用，欢迎点赞、在看、转发。
我是阿超，一个认真在AI时代分享经验和思考的普通人。