AI不是从天而降,它经历了七十年三起三落:通过图灵测试读懂AI

从让Siri定闹钟到让AI写方案,AI早已渗透进我们工作生活的方方面面,但我们却可能对它背后的历史与沉浮一无所知。

现在的你,可能每天都在和 AI 打交道,只是你没意识到而已:

这些,是 AI:

  • 让 Siri、小爱同学「定个明天早 8 点的闹钟」。
  • 刷抖音的时候,它总能精准推送你想看的。
  • 上班时的刷脸打卡,买东西时的刷脸付款。
  • 「您好,请问您需要贷款吗」的骚扰电话。

这些,也是 AI:

  • 有问题,不再是「百度一下」,而是问「元宝」,问「豆包」。
  • 写方案卡壳了,找 DeepSeek 给你出个框架。
  • 看完一篇超长的报告,让 Kimi 给你总结一下。
  • 一篇纯英文的技术文档,交给 AI 给你翻译下。

AI 早已渗透进了我们工作、生活和学习的方方面面,但你可能对它还是一无所知。

前面的文章《一首《谦比希铜矿之歌》厂歌火爆全网,背后是 AI 的数学本质》和《《给阿嬷的情书》中的"嬷",与 AI 概念中的 Token、Prompt、上下文窗口》,我们了解了 AI 的本质与局限,熟悉了 AI 的基础概念,这篇文章,我们回顾一段 AI 的历史,更进一步的了解 AI。

AI 的诞生:一场关于「机器能否思考」的实验

故事要从图灵说起。

1950 年,艾伦·图灵(Alan Turing)在《计算机械与智能》这篇论文里,提出了一个影响至今的问题:机器能思考吗?

图灵是计算机科学的奠基人之一,在二战期间帮英国破解过德军的密码。战后,他开始思考一个更深层的问题:机器能不能像人一样思考?

他没有直接回答这个问题,而是设计了一个实验。后来,这个实验被称为图灵测试(The Turing Test)

找一个房间,让一个人类评委通过打字和两个对象对话。一个是人,一个是机器。对话结束后,评委要判断哪个是人。如果评委分不清哪个是机器,那这台机器就可以被认为具有「智能」。

这个测试的核心是:**智能的本质不是意识,而是能对话、能推理、能回应,就算数的行为。**不需要证明机器有「灵魂」或者「情感」,只要它的表现和人类无法区分,就足够了。

图灵还做出了一个大胆的预测:到 2000 年,一台普通的计算机在经过 5 分钟对话后,能够让 30% 的普通人相信它是人类。

这个预测虽然没有完全实现,但图灵的思路奠定了 AI 研究的哲学基础。

6 年后,约翰·麦卡锡(John McCarthy)在达特茅斯会议上正式提出了**Artificial Intelligence(人工智能)**这个词。他定义 AI 为:让机器表现出人类智能行为的研究领域。

达特茅斯会议被公认为 AI 作为独立学科的起点,麦卡锡也被称为「人工智能之父」。

但那时的 AI,能做的事非常有限,和今天我们感受到的 AI 完全不是一个量级。

AI 的成长:三次寒冬,两次复兴

AI 的发展史,像极了一个被寄予厚望、又反复被失望的孩子。

第一次黄金期(1956-1974):科学家们乐观得不行,觉得通用智能指日可待。1962 年,IBM 的西洋跳棋程序击败了人类棋手。这是 AI 第一次「战胜人类」,轰动一时。媒体兴奋地宣布:机器即将超越人类。但很快发现,AI 能做的事非常有限,只能在特定、狭窄的规则下运行,一旦超出范围就彻底歇菜。

第一次寒冬(1974-1980):跳棋赢了,然后呢?没有然后了。美国政府和英国政府大幅削减 AI 研究经费,大量 AI 实验室关门,科学家们甚至不愿意在自己的论文里使用「AI」这个词。

第二次黄金期(1980-1987):专家系统兴起,AI 开始商业化应用。银行用它评估贷款风险,医院用它辅助诊断,大企业用它做复杂计算。日本甚至推出了「第五代计算机」计划,试图让计算机像人一样理解和对话。所有人都觉得,这次 AI 真的要成了。但好景不长,专家系统的规则太多、维护成本太高、无法自我学习,一旦遇到超出预设规则的情况就束手无策,很快就被新技术所超载。

第二次寒冬(1987-1993):个人电脑崛起,苹果和微软的图形界面让每个人的桌面都能跑「智能程序」。更便捷的操作,更低的使用成本,谁还花大钱买专家系统?AI 再次沉寂,科学家们又进入了新一轮的自我怀疑。

第三次复兴(1993 至今):这次不一样了。

  • 1997 年: IBM「深蓝」击败国际象棋冠军卡斯帕罗夫,全民讨论,AI 第一次走进大众视野
  • 2012 年: 深度学习在 ImageNet 图像识别比赛中碾压传统方法,Top-5 错误率从约 26% 骤降至 15.3%,科技巨头纷纷押注,深度学习时代正式开启
  • 2016 年: Google AlphaGo 击败围棋冠军李世石,AI 不再只是「算棋」,它开始有了「直觉」
  • 2022 年: ChatGPT 上线,2 个月月活用户破亿,人类历史上增长最快的互联网产品
  • 2024 年: DeepSeek-V3(12 月)以开源、低成本、高性能震动全球 AI 圈,被称为「AI 界的拼多多时刻」;GPT-4o、Claude 3.5、Gemini 系列全面开花,多模态成为标配
  • 2025 年: AI Agent(智能体)产品集中爆发,Claude Agent、OpenAI Operator、Google Jules 等让 AI 从「能说」进化到「能干活」;OpenAI o3/o4 推理模型刷新 benchmark,标志着 AI 从「能说」到「能深度思考」
  • 2026 年: DeepSeek-V4 将上下文窗口推到 1M,国产模型全面跟进,全球 AI 竞争进入白热化阶段

AI 照进现实

前两次,每次都说「AI 要改变世界」,然后就沉寂了。

但这次,显然不一样了。AI 已经真真切切地走进了我们的生活,从你手机里的 AI 助手,到刷不完的个性化推荐;也真正开始应用到各行各业中,从公司里的智能客服,到工厂里的机械臂。AI 已经照进了现实!

七十年,三次寒冬,两次复兴。AI 的每一次沉寂,有市场的原因,有技术的原因,有资本的原因。但综合下来,主要是:数据不够、算力不足、算法也不行

数据不够,AI 就只能通过人力来定规则;算力不够,再多的数据也只能是摆设;算法不行,数据和算力就无法发挥出价值来。

三个条件只要缺一个,AI 就只能停在实验室里,只能做「看起来很聪明但实际很傻」的事。

而这一轮的爆发,恰恰是因为三个条件第一次同时凑齐了。这不是偶然,是一场等了七十年的「万事俱备」。

下一篇,我们就来讲讲,这三个条件,如何引爆了 AI 的大发展!

相关推荐
doiito1 小时前
【Agent Harness】Gliding Horse 本体论系统设计:给 AI Agent 装上“语义大脑”
ai·rust·架构设计·系统设计·ai agent
小七-七牛开发者8 小时前
周一上线 | SpaceX 收购 Cursor、支付宝进入 AI 时代、DeepSeek 完成 500 亿元融资
ai·agent·token·glm·智谱·claudecode·ai coding·周一上线
doiito1 天前
【Agent Harness】为什么我把 JSON‑LD “编译成 DAG” 后,整个 Agent 平台立刻聪明了
ai·rust·架构设计·系统设计·ai agent
xiezhr1 天前
折腾半小时,终于让AI 能直接帮我写飞书文档了
ai·飞书·ai agent·飞书cli·飞书文档
岳小哥AI1 天前
Claude Fable和Claude Mythos 5同时发布:注意力机制下愈加强大的AI大模型
ai·ai基础
Artech1 天前
[MAF预定义的AIContextProvider-04]Mem0Provider——长期记忆基于的云端解决方案
ai·agent·maf·aicontextprovider·chathistorymemoryprovider·mem0provider
哥不是小萝莉2 天前
一文读懂 OpenAI Codex 源码的原理、架构与未来
ai
AlfredZhao2 天前
AI 编程工作总结:从体验问题到模块能力建设
ai·codex
cup113 天前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill
IT王师傅3 天前
从 豆包 到 Codex CLI:一名普通开发者的 AI 工具进化路线
ai·codex cli·openclaw