"在上一讲里，我们拆掉了AI的神秘光环，弄清楚了它的本质。但AI不是从石头里蹦出来的------它走了七十年的弯路，经历了两次差点"冻死"的寒冬，才走到今天。这一讲，我们把AI的"前世今生"一次性讲清楚。"
1、思想的火种：图灵与"机器能思考吗？"
一切要从一个英国人说起。
1950年，艾伦·图灵发表了一篇划时代的论文《计算机器与智能》。当时世界上还没有个人电脑，连"人工智能"这个词都还没诞生，但图灵已经在思考一个至今仍在争论的问题：机器能思考吗？
图灵提出了一个巧妙的测试方法------后来被称为"图灵测试"：让一个人类裁判通过文字与另一个房间里的"人"和"机器"分别对话，如果裁判无法分辨哪边是机器、哪边是人，那就说明这台机器具备了智能。
这个测试在当时更像一个思想实验。图灵一定想不到，七十多年后的今天，我们每个人都能在手机上跟机器聊天，而它们真的越来越像人了。
2、AI的"出生证明"：1956年达特茅斯会议
如果说图灵是AI的"精神教父"，那1956年的达特茅斯会议就是AI的"出生证明"。
这一年夏天，一群年轻科学家聚在美国新罕布什尔州的达特茅斯学院，开了一场为期八周的讨论会。会议的组织者是约翰·麦卡锡，他提议用"人工智能"（Artificial Intelligence）这个名称来概括他们正在做的事情。
他们讨论的问题在今天听起来依然很前卫：如何让机器使用语言？如何让机器形成抽象概念？如何让机器解决只有人类才能解决的问题？
参会的这些年轻人后来都成了AI领域的开山鼻祖------马文·明斯基、克劳德·香农、艾伦·纽厄尔、赫伯特·西蒙......他们当时乐观地认为，只需要一个夏天就能解决"让机器变聪明"这个难题。
结果呢？这个"夏天"，持续了整整七十多年，至今还在继续。
3、黄金时代与第一次寒冬：理想很丰满，现实很骨感
3.1 最初的二十年：充满信心的探索
达特茅斯会议之后，AI进入了第一个黄金时期。
研究者们取得了不少引人注目的成就：
-
1956年
，纽厄尔和西蒙开发了"逻辑理论家"程序，能证明数学教科书中的定理。
-
1966年
，约瑟夫·魏岑鲍姆开发了ELIZA------世界上第一个聊天机器人，能模拟心理治疗师跟人对话。
-
1970年
，特里·温诺格拉德开发了SHRDLU程序，能在一个虚拟的积木世界中理解自然语言指令并执行操作。
纽厄尔和西蒙甚至在1958年放出豪言：十年内，计算机将成为国际象棋世界冠军 ；机器将能够发现和证明重要的新数学定理。
3.2 泡沫破裂：第一次AI寒冬
但这些乐观预言，一个都没在十年内实现。
当时的计算机内存极小、运算极慢，根本无法处理真正复杂的问题。更关键的是，AI研究者发现：人类觉得容易的事，对机器来说极其困难；人类觉得困难的事，对机器反而容易。比如，一个三岁小孩都能认出猫，机器花了几十年才学会；而人类要花好几年学会的复杂计算，机器一开始就做得很好。
到了1973年，英国数学家詹姆斯·莱特希尔受政府委托发布了一份报告，严厉批评AI研究"未能实现任何宏伟目标"，认为其价值被严重夸大。这份报告直接导致英国和美国大幅削减了AI研究的资金支持。
1974年到1980年，AI迎来了第一次"寒冬"------研究经费枯竭，项目被关闭，许多研究者被迫转行。
4、专家系统与第二次寒冬：希望再起，再次破灭
4.1 专家系统的短暂繁荣
1980年代，随着个人电脑普及，AI迎来了短暂的复兴。这一次的明星是"专家系统"------把人类专家的知识编写成规则，让计算机在特定领域做出专业判断。
DEC公司开发的XCON系统最出名------它能自动为客户配置计算机硬件，大大降低了错误率和成本。企业们看到了商机，纷纷投资开发自己的专家系统。
4.2 泡沫再破：第二次AI寒冬
但繁荣又是昙花一现。
专家系统的致命缺陷很快暴露出来：知识库极其有限，处理不了规则之外的问题；维护和更新知识库需要大量人力；最关键的是------它不会学习，所有知识都得靠人喂。
更致命的是，苹果和IBM的台式电脑性能越来越强、价格越来越便宜，而运行专家系统的专用计算机（Lisp机）贵得离谱。昂贵的硬件市场瞬间崩溃。
1987年到1993年，第二次AI寒冬降临。大量AI初创公司倒闭，投资撤离，"AI"这个词再次成了禁忌。许多研究者不得不改用"机器学习""信息处理"等更低调的术语来避嫌。
5、蛰伏期的暗流：寒冬之下，种子在发芽
两次寒冬的打击是沉重的，但AI的研究并没有真正停止------只是转入了低调而扎实的积累期。
1986年反向传播算法提出，神经网络训练成为可能
1997年IBM"深蓝"战胜国际象棋世界冠军卡斯帕罗夫
1998年卷积神经网络（CNN）雏形出现
2006年ImageNet项目启动，构建全球最大图像识别数据库
2009年GPU加速神经网络训练，深度学习有了"发动机"
6、深度学习的爆发：AI终于"破圈"
6.1 2012年：AlexNet的一鸣惊人
2012年，在ImageNet图像识别竞赛中，多伦多大学团队用深度学习算法AlexNet参赛，错误率仅16.4%，远超所有传统算法。深度学习第一次让全世界看到了它的巨大潜力。
6.2 2016年：AlphaGo的"世纪之战"
2016年，DeepMind的AlphaGo以4:1战胜围棋世界冠军李世石。围棋的复杂度远超国际象棋------走法比宇宙中的原子还多。AlphaGo下出的某些棋路，人类棋手几千年都没想过，却又如此精妙。人们开始思考：机器的思考方式，会不会和我们不一样，但同样有效？
6.3 2017年：Transformer的诞生
2017年，Google团队发表论文《Attention Is All You Need》，提出了Transformer架构。这个架构奠定了今天所有大语言模型的基础------GPT、BERT、Claude、文心一言，全部建立在Transformer之上。
7、ChatGPT：AI的"iPhone时刻"
2022年11月30日，OpenAI发布了ChatGPT。
这不是一次渐进式改进，而是一次质的飞跃。之前的AI更像是"工具"------完成任务但没有"人感"；而ChatGPT像一个真正能聊天的人。你可以跟它讨论人生，让它帮你写邮件，请它解释复杂概念，甚至跟它开玩笑。它有时会犯错，但那种和人对话的感觉，前所未有地真实。
ChatGPT是怎么做到的？
简单说：科学家们不再试图教给机器规则，而是给了它海量的文字------几乎整个互联网的公开内容------让机器自己去发现语言的规律。它通过一个巨大的神经网络，学习词语之间的关系，学习上下文的意义，学习人类是如何表达的。结果是：它虽然不理解意思，却能把话说得头头是道。
8、这七十多年教会我们什么？
站在2026年回望，AI这七十多年的历程告诉了我们三件事：
第一，AI的发展不是线性向上的，而是"螺旋式上升"
AI经历了两次差点"冻死"的寒冬------因为技术能力与社会预期之间的巨大鸿沟。每到低谷期，研究转入地下默默积累，等待下一次突破。
第二，AI的突破往往来自"换一条路走"
第一次寒冬是因为"符号主义"撞上了现实天花板------用逻辑规则模拟智能，根本行不通。深度学习换了路线------不再教机器规则，而是让机器从海量数据中自己学习规律。事实证明，这条路走通了。
第三，AI的进化速度正在加快
从图灵测试到ChatGPT，七十多年；从ChatGPT到Agent时代，不到四年。技术迭代的周期，正以指数级缩短。
图灵那篇论文发表于1950年。如果他能活到今天，看到每个人手机里都有一个能聊天的AI，他会说"我早就知道"，还是会说"这也太快了"？
📌 这一讲，你只需要记住这4个关键节点
1950年图灵提出"图灵测试"------机器能思考吗？
1956年达特茅斯会议------AI正式"出生"
2012年AlexNet夺冠------深度学习"破圈"
2022年ChatGPT发布------AI走进千家万户
AI不是一夜之间出现的------它走了七十年的弯路，经历了两次寒冬。但正是这些弯路和寒冬，才让今天的AI足够扎实。技术的突破从来不是一蹴而就，而是在一次次失败中，慢慢长出来的。
参考文献：