夜雨聆风想象你坐在一场项目评审会上。
桌上只有一份计划：找十个人，研究两个月，用一个夏天推进“人工智能的每个方面”。
会议室大概会安静几秒。有人问交付物，有人问风险，还有人可能在“每个方面”下面画三道红线，批注：范围是否过大？
更出人意料的是，这不是今天哪家公司的豪言，而是一份写于 1955 年 8 月 31 日的研究提案。提案上有四个名字：约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）、纳撒尼尔·罗切斯特（Nathaniel Rochester）、克劳德·香农（Claude Shannon）。
我们常把 AI 的诞生故事讲成“1956 年，一群人在达特茅斯开会，当场发明了人工智能”。事实却反了过来：名字先在 1955 年写进提案，研究者第二年才陆续来到达特茅斯。
一句话带走：达特茅斯没有当场造出一台通用智能机器；它给一批分散的问题挂上了同一块“人工智能”门牌，让不同路线的研究者认出彼此正在讨论同一个大问题。
这正是 1950 年代的气质。
计算机刚露出一点本事，研究者已经开始琢磨语言、抽象、创造力和自我改进。八字还没一撇，门牌先写好了：
Artificial Intelligence，人工智能。
四位发起人，先把不同工具箱搬到一张桌上
这份名单值得记住，不是因为四个人拿着同一种答案，而是因为他们带来的工具就不一样。
达特茅斯原始提案附有四位发起人的背景介绍：
克劳德·香农：研究信息论、开关电路，也关心学习机器； 马文·明斯基：研究神经网络和脑模型； 纳撒尼尔·罗切斯特：参与 IBM 701 设计，也做自动编程和神经网络模拟； 约翰·麦卡锡：关心图灵机、计算速度，以及机器怎样使用语言。
他们不像四位拿着同款扳手的施工人员，更像四个人各自拖来一个工具箱：有人装着信息论和开关电路，有人装着神经元模型，有人带来计算机设计经验，还有人带着一个刚写下来的大名字。
至于哪个工具箱最有用？
那时没人知道。后来也没完全吵明白。
先把日期捋顺：名字比“会议”早一年
前面的反转，关键藏在两个年份里：1955 年的《达特茅斯人工智能夏季研究项目提案》已经使用了“人工智能”这个名称；1956 年夏天，研究活动才在达特茅斯学院展开。
所以，“1956 年达特茅斯会议”作为历史简称并没有错；容易出错的是把它想成某一天的命名仪式，仿佛 AI 在会场里被当场发明。
而且，它也不像今天的发布会：上午十点开场，十一点合影，中午官宣一个新领域诞生。
原计划是“两个月、十人”，真实活动却更松散。参与者在不同时间到来，有人停留较久，有人短期访问，讨论常以小组、研讨和非正式交流进行。
所以，与其想象十位大师闭门攻关，不如想象一个学术夏令营：有人聊逻辑，有人聊语言，有人研究神经网络，还有人带着刚做出来的程序，觉得离机器智能大概只差几块黑板。
一份提案，为什么敢把话说得这么大
提案开头有一句后来被反复引用的话：
“every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it.”
意思是：学习的每个方面，或者智能的其他特征，原则上都能被精确描述，使机器可以模拟它。
直译过来有点拗口，简化一下就是：智能的各个方面，都能被精确描述，并由机器模拟。
若借中国人熟悉的话来打个比方，这份提案像是把“格物致知”（一种解释是通过探究事物的本质和规律以获得知识与智慧）以工程师的方式推到了尽头：不只想弄明白学习和智能，还相信只要描述得足够精确，就能把其中的机理表达成机器可以执行的形式，让机器照着演出来。
《大学》里，“格物致知”之后是“诚意正心”，对人而言，这是在追问：懂得规律之后，心该往哪里去？提案发起人则提出另一种，对机器而言的大胆设想：既然智能能够被描述，能否先为机器造出一套“会想”的机制？
这还不是“为机器立心”，更像是先为机器立“智”，再设法让这种智能在现实世界中发挥作用、承担任务。至于它有没有心、有没有意、该不该有自己的方向，七十年后的我们，仍在争论。对AI是什么感兴趣的朋友，可以去看我的另一篇文章：AI 到底是什么：为什么这个词越来越难定义？
这里的“格物致知”“立心”“立智”只是帮助今天读者理解的类比，不是达特茅斯提案的原话，也不是当时研究者的自我表述。
这不是一条已经证明的定理，更像打开一扇通向未来的门：先假设这条路存在，能不能兑现，交给后面的历史慢慢回答。
提案列出的主题包括自动计算、语言、神经网络、计算规模、自我改进、抽象，以及随机性与创造力。
七十多年后再看，这张清单居然没有多少陈旧感。语言模型仍在处理“机器怎样使用语言”；深度学习沿着神经网络继续前进；生成式 AI 又把创造力问题推回公共讨论。
机器换了几代。
问题本身还一直在那儿。
同桌吃饭，不等于走同一条路
达特茅斯项目的重要性，不在于大家终于达成了一套 AI 标准答案。
恰恰相反，他们带来的路线很不一样。
克劳德·香农关心信息、计算和博弈；马文·明斯基对神经网络和认知模型感兴趣；艾伦·纽厄尔（Allen Newell）与赫伯特·西蒙（Herbert Simon）带来了能用程序证明数学定理的、名为逻辑理论家（ Logic Theorist）的程序；亚瑟·塞缪尔（Arthur Samuel）在研究能够通过对弈改进的跳棋程序。
有人相信符号和逻辑，有人盯着搜索，有人研究神经元式计算，有人琢磨机器怎样学习。
这不是一支队形整齐的登山队，更像几拨人同时站在山脚，各自指着不同方向说：“我觉得路在这边。”
后来 AI 的许多争论，在那个夏天已经露出影子：
智能主要来自规则，还是来自学习？ 机器应该先掌握语言，还是先学会感知和行动？ 通用方法更重要，还是先把一个具体任务做成？
今天这些问题仍没完全吵完。只是会议室的投影仪清楚多了。
一个名字，开了一扇门，也把期待抬高了
“人工智能”不是一个谦虚的名字。
它没有叫“复杂信息处理”，也没叫“若干自动化方法联合研究”。它一步到位，把“智能”写在了门牌上。
好处很现实。研究者从此有了共同身份，可以围绕 AI 建实验室、开课程、办会议、申请经费。原本散落在数学逻辑、心理学、控制论、信息论和计算机科学里的问题，被聚成了一个研究领域。
名字一立，许多事情便名正言顺。
麻烦也随之而来。这个名字太大，外界很容易把局部进展听成全面突破：程序会证明几条定理，标题已经在等“电子大脑”；机器能识别简单图形，人们便追问它何时拥有常识；电脑下棋赢了人类冠军，有的人开始担心机器终有一天会全面超越乃至控制人类，也有的人则宣称这是计算机科学家的胜利，也是人类的胜利。
名字负责开门，也把期待和担忧一起请了进来。
达特茅斯是起点，但不是一张神话出生证
达特茅斯之前，第一代通用计算机ENIAC已经诞生10年，并发展到晶体管计算机时代，给新的时代提供硬件；图灵已经讨论机器会不会思考（感兴趣可以看上一篇 机器会思考吗？1950 年，图灵把哲学题改成了一场模仿游戏），并提出了图灵测试；人工神经元、控制论、统计学和逻辑学也早已打下地基。
达特茅斯之后，真正困难的工作才开始。
研究者要在算力很弱、数据很少的条件下证明定理、翻译语言、识别图形。许多演示很漂亮，一旦问题规模变大，就开始卡住。
所以，把达特茅斯称为 AI 的起点可以，但最好补上一句：这里起步的是一个研究共同体，远不是一台已经完工的智能机器。
起点之后，是螺旋式上升、波浪式发展。
没有神秘按钮，也没有谁在某个下午突然喊出“成功了”。只有一群人给一个巨大问题起了名字，然后各自走进几十年的争论、弯路和偶尔的突破。
有个问题也许值得我们想一想：一个足够响亮的名字，究竟会帮助一门学科走得更远，还是让它更早背上无法兑现的期待？
下一篇，现实开始来收这笔“期待税”。AI 很快被吹上了天，人们也很快发现：样板间灯光再漂亮，住进去还得看水压、隔音，以及半夜会不会漏雨。
如果这篇对你有用，点个关注，分享给可能感兴趣的朋友吧！
