2022 年 11 月，ChatGPT 发布，很多人第一次觉得「AI 真的来了」。但如果你以为 AI 是这几年才冒出来的新鲜事物，那就错过了一个精彩的故事：人类认真研究「让机器像人一样思考」，已经七十多年了。
这七十年并不是一路高歌。AI 经历过三次热潮，也跌进过两次「寒冬」：经费被砍，前景被看衰，「人工智能」一度成了让人避之不及的词。看懂这段起起落落，你就能更清醒地看待今天的 AI 热。
起点：一个问题和一次会议
1950 年，英国数学家阿兰·图灵发表了论文《计算机器与智能》。他没有在「机器能不能思考」这种说不清的问题上打转，而是换了一个可以检验的问法：如果一台机器隔着屏幕和人对话，人分辨不出对面是机器还是真人，我们是不是就可以认为它有智能？这个设想后来被称为「图灵测试」。
1956 年夏天，一群科学家在美国达特茅斯学院开了一场研讨会，专门讨论如何让机器模拟人类的学习和智能。「人工智能」这个名称就是围绕这次会议被正式确立下来的，1956 年因此常被视为 AI 的诞生之年。
第一次浪潮与第一次寒冬（1950 年代至 1970 年代）
早期的研究者非常乐观，当时有不少先驱公开预测：用不了一代人的时间，机器就能做到人能做的大部分事情。他们的主要思路后来被称为符号主义：把知识写成符号和逻辑规则，让计算机像做数学证明一样一步步推理。这就是第一节说的「写规则」路线。
这一时期确实出了不少让人兴奋的成果：能证明数学定理的程序、会下跳棋的程序、能用简单句子和人「对话」的聊天程序。也有人提出了「感知机」，它是最早的神经网络模型之一，可以看作「学规律」路线的萌芽。
可问题很快暴露出来：
- 程序在精心挑选的「玩具问题」上表现不错，一碰到真实世界的复杂情况就束手无策；
- 当时的计算机又慢、内存又小，很多想法根本跑不动；
- 许多乐观的预言迟迟没有兑现。
到了 70 年代，资助方逐渐失去耐心，经费大幅削减，AI 进入了第一次寒冬。
第二次浪潮与第二次寒冬（1980 年代至 1990 年代初）
80 年代，AI 换了一个更务实的方向：专家系统。思路是把某个领域专家的经验整理成大量「如果……那么……」的规则，让计算机帮忙做诊断、做配置、做决策。一些专家系统真正在企业里用了起来，AI 迎来第二次热潮。
同一时期还有一件后来影响深远的事：1986 年，一篇重要论文让「反向传播」方法广为人知，多层神经网络从此可以被有效地训练。只是当时数据和算力都远远不够，它的潜力要再等二十多年才真正释放。
专家系统的问题在于，它本质上还是「写规则」：
- 专家的很多经验只可意会、不可言传，很难完整地写成规则；
- 规则越写越多，彼此冲突，维护成本高得吓人；
- 一遇到规则没覆盖到的情况，系统就失灵。
到了 80 年代末、90 年代初，热潮退去，AI 迎来了第二次寒冬。
值得一提的是，寒冬里一直有人在坚持。几位长期研究神经网络的学者，在冷遇中坚持了很多年。后来深度学习大获成功，他们也因此获得了被誉为「计算机界诺贝尔奖」的图灵奖。
第三次浪潮：数据、算力、算法凑齐了（21 世纪至今）
第二次寒冬之后，AI 换上了一副低调务实的面孔：从 90 年代起，研究者更多地依靠统计方法和机器学习，去解决语音识别、垃圾邮件过滤这样具体的问题。1997 年，IBM 的「深蓝」在正式比赛中击败国际象棋世界冠军卡斯帕罗夫，轰动一时，不过它主要靠的是强大的计算和搜索，和今天的「学规律」不太一样。
真正的爆发，要等三个条件逐渐成熟：
- 数据：互联网普及，海量的文字、图片、视频被记录下来；
- 算力：芯片越来越强，尤其是原本主要用来处理游戏画面的显卡（GPU），恰好特别适合神经网络需要的大规模并行计算；
- 算法：深度学习的方法不断改进。
几个标志性的时刻：
| 时间 | 事件 | 意义 |
|---|---|---|
| 2012 年 | 深度神经网络 AlexNet 在大型图像识别比赛中大幅领先 | 深度学习开始席卷各个领域 |
| 2016 年 | AlphaGo 战胜围棋世界冠军李世石 | 围棋曾被认为是机器很难攻克的棋类，这次胜利让大众真切感受到 AI 的跃进 |
| 2017 年 | 论文《Attention Is All You Need》提出 Transformer 结构 | 成为今天大多数大语言模型的基础 |
| 2022 年 11 月 | ChatGPT 发布 | AI 第一次以「人人都能直接对话」的方式走进大众生活 |
从 2017 到 2022 年之间，基于 Transformer 的语言模型其实已经发展了好几年，2018 年起陆续出现了 GPT、BERT 等预训练语言模型，只是主要在研究圈和技术圈里受关注。ChatGPT 的特别之处在于：一个足够强的模型，加上对话的形式和让它「好好说话」的对齐训练，让没有任何技术背景的普通人，打字就能用上它。
ChatGPT 之后，国内外的大模型密集涌现，能力从聊天扩展到看图、听声、画画、做视频、写代码，还开始学着使用工具、替人办事。我国也在 2023 年 8 月 15 日施行了《生成式人工智能服务管理暂行办法》，对这类服务提出了规范要求。
七十年的起落告诉我们什么
回头看这段历史，有几条规律值得记住：
- 两条路线此消彼长。「写规则」（符号主义）和「学规律」（以神经网络为代表的连接主义）之争贯穿始终。今天是「学规律」占上风，但规则、逻辑和知识并没有消失，很多 AI 系统仍然会把两者结合起来。
- 好想法要等条件成熟。神经网络的思路几十年前就有了，直到数据和算力跟上来才真正爆发。一个想法「现在不行」，不代表「永远不行」。
- 期望越高，失望越重。两次寒冬都伴随着过度的承诺。面对今天的 AI 热，既不必神化，也不必唱衰。
- 每次突破都会改写「什么算难」。过去人们以为下棋是智能的巅峰，后来才发现，让机器像三岁小孩一样自如地认识世界、拿起一只杯子，反而难得多。
小贴士：下次再看到「AI 几年内将取代所有工作」或「AI 不过是一场泡沫」这类极端说法，可以想想这七十年的起落，用更平和的眼光看待它：关注它眼下真正能解决什么问题。
本节要点
- 1950 年图灵提出「图灵测试」的设想，1956 年的达特茅斯会议通常被视为 AI 诞生的标志。
- AI 经历了三次浪潮、两次寒冬，寒冬的共同原因是期望过高、技术条件跟不上。
- 前两次浪潮以「写规则」为主，第三次浪潮由数据、算力和深度学习共同推动。
- 2012 年 AlexNet、2016 年 AlphaGo、2017 年 Transformer、2022 年 ChatGPT 是近年的关键节点。
- 看待今天的 AI，既不神化也不唱衰，关注它真实能解决的问题。
