AI的历史沿革与当下趋势

很多人谈论AI的时候，有一个默认的前提：AI是突然出现的。

不是的。

不是2022年ChatGPT横空出世才有了AI，不是2012年AlexNet在ImageNet上吊打人类才有了AI，甚至不是1956年达特茅斯会议上约翰·麦卡锡第一次提出"人工智能"这个词的时候才有了AI。

技术从来不是从天而降的闪电。技术是人类文明这条大河里流淌了三百年的水。

我这么说是什么意思呢？

一、工具是一面镜子

人类从古至今都在设计和制造工具。石斧、犁铧、火药、时钟、古腾堡印刷机——每一件工具的出现，都不是孤立的"技术创新"，而是那个时代对世界的理解方式。

你可能会说：一个锄头和AI有什么关系？

关系在于：每一件工具都同时携带两种基因。一个是"帮你做事"的能力，另一个是"决定谁说了算"的权力。

工业革命时期的珍妮纺纱机，让纺织效率翻了几十倍。但与此同时，它把熟练工匠变成了机器的附庸。那些砸毁机器的卢德分子，不是你课本上嘲笑的"反科技愚民"。他们是第一批发现"技术可以成为压迫工具"的普通人。

这就是我们经常说的：工具设计天然承载着权力的分配。

当18世纪的工程师开始铺设伦敦的供水管道、架设跨洋的电报电缆、编织覆盖全国的电网时，人类的设计思维发生了第一次根本性转变——从设计"单个机器"，转向设计"网络化基础设施"。

你可能从未以这种方式看待过今天的云计算。但AWS和Azure本质上不过是19世纪伦敦水务网络的数字后代——它们都是"把资源从孤立节点变成流动网络"的设计。

不是机器变大了，而是连接的逻辑变了。

二、计算机的七十年：从战争工具到思想自行车

1940年代，阿兰·图灵在布莱切利园破解恩尼格玛密码的时候，计算机是一种武器。

ENIAC这台重达30吨的庞然大物，一天消耗的电量足够一座小镇使用。它的操作员——当时的computer这个词指的其实是人——几乎全是女性。她们在布满真空管和跳线的机器前手动调试程序，每排查一个bug，可能需要验证上万种可能性。

从战争工具到个人玩具，这条路走了三十多年。

1975年，Altair 8800以DIY套件的形式出现在《大众电子》杂志封面上。比尔·盖茨和保罗·艾伦为它写了BASIC解释器。人们突然发现：原来计算机可以是个性化的、可以自己组装的、可以用来玩的。

从工具到玩具——这不是退化，而是民主化。

不是技术变得更弱了，而是技术终于走进了普通人的客厅。

史蒂夫·乔布斯后来把计算机比作"心智的自行车"。这个比喻太准了。自行车不替代你的腿，它放大你的能力。好的技术就该是这样——它不替代你的判断，它放大你原本就有的思考能力。

从某种程度上，整个个人计算机革命，就是人类在回答一个问题：技术应该像主人一样命令我们，还是像自行车一样帮我们走得更远？

三、互联网泡沫不是失败，是"辅助轮"

1990年代末的dot-com狂潮，今天回头看像一场荒诞剧。

Pets.com花几百万美元打超级碗广告卖猫粮，每卖一袋赔十块钱。Webvan豪掷十亿美元建仓储中心，最后发现没有人愿意在网上买生菜。硅谷的逻辑简单粗暴：先烧钱抢用户，盈利的事以后再说。

然后，泡沫碎了。2000年3月，纳斯达克见顶后一泻千里。数万亿美元蒸发，无数创业公司一夜归零。

你可能会想：这是人类技术史上最大的浪费。

但是从某种程度上，不是的。

演化经济学家卡洛塔·佩蕾丝把泡沫称为技术的"辅助轮"。听起来像辩护，但你仔细想想——那些沉没的光纤电缆、那些被低价接盘的服务器农场、那些被倒逼出来的物流系统和在线支付习惯——它们并没有随泡沫一起消失。它们沉淀成了今天数字经济的底层地基。

Amazon活了下来，eBay活了下来，Netflix活了下来，Google活了下来。

泡沫杀死了玩家，但没有杀死游戏。相反，它让所有人学会了怎样在线生活。

这就是佩蕾丝的核心洞察：每一次技术革命的导入期都以金融泡沫收场，但泡沫的破裂不是终点，而是政府可以重新介入、把投机资本引向实体产业的转折点。

然而ICT革命经历的不是一次泡沫，而是两次。

2000年互联网泡沫破裂后，以美联储为首的西方央行没有把天量的流动性引向技术部署和产业升级，而是放任它涌入了次贷衍生品市场。结果呢？2008年全球金融海啸——一场纯粹的"钱生钱"的赌场经济崩塌。

佩蕾丝管这叫"双重泡沫"。不是技术出了错，而是制度没有跟上技术的脚步。

四、AI的真实面貌：弱人工智能、计算量与指数增长

好了，我们现在把镜头拉到当下。

每当ChatGPT写出让人惊艳的回答，媒体就开始讨论"超人工智能会不会奴役人类"。这种焦虑很真实，但它搞错了一件事：我们现在唯一真正所处的阶段，是弱人工智能。

三种AI，差别很大：

弱人工智能（Narrow AI）：高度任务特定。扫地机器人只会扫地，AlphaGo只会下围棋，ChatGPT只会根据输入的文本预测下一个最可能的词。它们在各自的领域可以碾压人类，但换个任务就立刻变成白痴。

通用人工智能（AGI）：拥有类人的自我意识、情感理解和跨领域迁移能力。可以跟你聊完哲学之后去做微积分题，然后帮你看孩子。完全处于理论和设想阶段。

超人工智能（Super AI）：在所有维度上超越全人类的智能。目前仅存在于科幻电影里。

你可能以为这三种AI是一条线上的三个刻度。

不是的。

这三者之间隔着的不是时间的距离，而是根本性理论和工程突破的距离。我们不能用弱AI的能力曲线去外推超AI——那就好比看到一只风筝飞得很高，就推断它可以在月球轨道上飞行。

那么弱AI走这么快，靠的是什么？

Our World in Data的数据揭示了答案：计算量。训练AI系统消耗的总浮点运算量，就是衡量AI进程最诚实的标尺。

1950年代到2010年，计算量大约每两年翻一倍——基本踩在摩尔定律的节拍上，进展缓慢，多次遭遇"AI寒冬"。

2010年到2015年，深度学习时代，翻倍速度压缩到每3.4个月——GPU的大规模并行计算让AI在图像识别、语音识别等单项任务上全面突破。2012年的AlexNet是一个分水岭：从那一刻起，人类不再教计算机规则，而是让算法自己从海量数据中学。

2015年至今，大模型时代。Transformer架构出现后，巨头公司开始不计成本地投入数亿美元采购算力。GPT-3、ChatGPT、AlphaFold——这些模型展现出的泛化能力，让很多人第一次感受到"指数增长"的压迫感。

人类的直觉是线性的。但AI的进化是指数级的。这就是为什么每次AI突破都让我们措手不及——不是AI偷偷加速了，是我们的大脑还没有为指数刻度校准。

从某种程度上，理解AI最好的方式不是去猜测它什么时候会产生意识，而是去看它的计算量曲线。那条曲线就是AI的时间轴，比任何科幻剧本都诚实。

五、科幻小说不是预言，是设计原型

讲到这里，你可能注意到了：我们对AI的恐惧，有一半来自科幻电影。

终-结者、黑-客帝国、她——这些故事塑造了我们如何看待机器。但你有没有想过：这些科幻作品本质上不是关于AI的，而是关于我们的？

菲利普·K·迪克说过一句话，值得你停下来想一想：与其通过研究我们创造的机器来了解自己，不如通过审视我们自己的行为，来理解这些机器正在做什么。

这就是我们经常说的：我们对机器人的态度，不过是我们对人类自身危机的一面镜子。

1920年，捷克作家卡雷尔·恰佩克的戏剧《罗梭的万能工人》里，"Robot"这个词第一次出现。故事的设定是这样的：人类制造了大量安卓机器人替代劳工，然后这些机器劳工起义了。

注意：这不是一个"机器有意识"的故事。这是一个"压迫者终将被反噬"的故事。恰佩克写的是1920年的阶级矛盾，AI只是他的比喻。

科幻小说的真正价值不在于预测技术走向，而在于它充当了人机交互设计的"思想原型"。

阿西莫夫的机器人三定律不只是小说桥段——它在现实中影响了整个机器人伦理学的建立。当谷歌和微软设计AI行为准则的时候，他们就是在做阿西莫夫八十年前就已经在纸面上做过的事：为创造物设定安全边界。

不是科幻指导了技术，而是科幻预演了人与技术的关系。

六、我们正在设计的，不是工具，是未来

回到开头那个问题：AI不是突然出现的。

它是19世纪伦敦下水道系统里流淌的那条逻辑——"把资源从孤岛变成网络"。它是二十世纪晶体管革命释放出来的计算力洪流。它是互联网泡沫破碎后沉淀下来的数字基础设施。它是佩蕾丝模型中那个正在逼近的"转折点"——那些疯狂烧钱的泡沫已经碎过两次了，现在轮到政府、产业和每一个使用技术的你，来决定这些力量往哪个方向流。

佩蕾丝说的一句话，可以用来收束这篇文章：技术上可行的空间，远大于经济上有利可图且社会可接受的空间。

换句话说，能造出来的东西，不一定该造。能赚钱的东西，不一定该用。

这不是反技术的保守主义。

这是审慎。

尤查·本克勒在《网络财富》里写了另一句值得刻在每一个AI开发者键盘上："技术将如何重塑我们的社会，完全取决于我们在未来十年里做出的选择。"

不是技术决定了我们的命运，而是我们在决定技术能做什么。

好吧，现在你可能感到了一种压力：这么多变量，这么多不确定性，我一个普通人能做什么？

答案很简单：先看清它。然后选择。

看清AI不是从天而降的怪物——它是人类几百年工具设计史的一页新章节。看清泡沫和炒作是技术革命的天然伴生物——不是每次跌破都是末日，有时是辅助轮卸下来了。看清科幻恐惧和我们自己的焦虑——那些恐惧里真正有用的部分，是被翻译成安全规范的机器人三定律，而不是不敢开机的本能恐慌。

然后，做出你的选择。选择用AI放大你的判断力而不是替代它，选择设计让更多人受益的系统而不是加剧权力垄断的工具，选择让技术成为心智的自行车而不是心智的替代品。

从某种程度上，你每一次决定怎么使用技术，都是在参与设计未来。

不是在随波逐流，是在创造历史，就是你。

参考来源：Our World in Data AI简史、Carlota Perez《世纪之交的双重泡沫》、Russell & Norvig《人工智能：现代方法》、Isaac Asimov机器人三定律、Philip K. Dick思辨作品