吾看书

ai进化史：从“只会算题”到“能聊会画”，机器到底经历了什么？（第1页）

引言：AI不是“突然火的”，而是熬了70年的“老技术”

现在打开手机，ChatGPT能陪你聊天写报告，Midjourney能按你的想法画插画，自动驾驶汽车能自己拐弯避障——好像AI是近几年突然“蹦出来”的黑科技。但其实，从人类第一次想让机器“像人一样思考”到今天，AI已经走了近70年。

这70年里，它既当过被捧上天的“未来明星”，也两度跌入无人问津的“寒冬”；既靠算数学题起家，又靠“读万卷书”学会了创作。就像一个从牙牙学语的婴儿，慢慢长成多才多艺的少年，它的每一步成长都藏着人类对“智能”的执着探索。今天就用大白话，讲讲AI从1956年到2023年的“前世今生”。

一、1956-1970s：AI的“出生”与第一次“做梦”

1. 1956年：一场暑假会议，给AI“上了户口”

1956年夏天，美国达特茅斯学院开了个特别的“暑假班”，8个科学家凑在一起聊了两个月，主题是“如何让机器模拟人类智能”。其中有个叫约翰·麦卡锡的年轻人，第一次提出了“Artificial Intelligence”（人工智能）这个词——相当于给这个新领域起了名字，这就是AI的“出生证”，史称“达特茅斯会议”。

这群科学家当时信心爆棚，麦卡锡甚至说“暑假就能搞定智能机器”。会议上，有两人还展示了世界上第一个AI程序“逻辑理论家”，能自动证明数学定理，就像给机器请了位“数学老师”。会后，麦卡锡和另一位科学家马文·明斯基在MIT建了第一个AI实验室，算是给AI安了个“家”。

2. 早期AI：只会“照本宣科”的“做题家”

那时候的AI，走的是“符号逻辑”路线——简单说就是把人类的知识变成一条条规则，让机器照着推理。比如想让机器识别“苹果”，就得先告诉它：“圆形、红色、直径5-10厘米、带柄、能吃”，少一个条件它就认不出来。

这期间也出了些有意思的尝试：1956年，有人做了个跳棋程序，能通过自我对弈学技巧，还在电视上打败了人类玩家，算是早期“机器学习”的雏形；1957年，又发明了“感知器”，这是AI的第一个“简易大脑”，模仿人类神经元工作，能分辨简单的图形。

但问题很快暴露了：机器只会处理“玩具级问题”。比如算数学题还行，可让它判断“下雨天要不要收衣服”，它就懵了——因为这涉及“下雨大小、衣服是否怕湿、有没有人在家”等一堆常识，根本没法全写成规则。更头疼的是“组合爆炸”，问题稍微复杂点，计算量就呈指数级增长，当时的计算机根本扛不住。

3. 第一次AI寒冬：“吹的牛”圆不上了

到了1970年代，大家发现AI根本达不到预期。1973年，英国出了份《莱特希尔报告》，直接批评AI“只会在实验室里折腾，解决不了实际问题”。这下投资方慌了，美国国防部、英国政府纷纷砍经费，很多AI项目直接停摆，整个领域陷入沉寂——这就是AI的第一次“寒冬”，相当于创业公司吹了大牛皮，最后融不到钱了。

二、1970s末-1990s：AI换赛道“谋生”，又摔了一跤

1. 专家系统：靠“抄专家笔记”逆袭

寒冬里，科学家们换了个思路：既然做不了“全能选手”，那就当“领域专家”。于是“专家系统”诞生了——简单说就是把医生、工程师这些行业专家的经验，一条条写成规则输进机器，让机器替专家做简单决策。

比如有个叫MYCIN的医学AI，专门诊断血液感染，能根据症状推荐抗生素，准确率比普通医生还高；还有个叫XCON的系统，帮DEC公司配置服务器，每年能省4000万美元。这下企业看到了好处，1980年代美国几乎所有大公司都搞起了AI团队，日本还推出“第五代计算机计划”，想造能推理的专用机器，AI一下子又火了，1988年产业估值冲到了几十亿美元。

2. 第二次AI寒冬：“死板专家”被抛弃

好景不长，专家系统的毛病越来越明显。首先是“知识难获取”，要让老专家把一辈子的经验写成规则，不仅费时间，还容易遗漏；其次是“太死板”，只要遇到规则外的情况就歇菜——比如MYCIN不知道“病人对青霉素过敏”，就会瞎推荐；最后是“维护贵”，市场一变化，就得重新改几百上千条规则，企业根本扛不住。