说实话，现在一聊到人工智能，大家要么觉得它马上要取代所有工作，要么觉得它就是个高级点的搜索引擎。这种两极分化的讨论，有时候让我觉得挺烦躁的。因为它把AI描绘成了一个凭空出现的“怪物”，或者一个简单的工具。但根本不是这样。

我们今天看到的这一切，无论是让人惊叹的生成式AI，还是让人有点担心的自动驾驶，都不是一夜之间冒出来的。它背后是一段超过半个世纪、充满起落的故事。理解这段历史，你才能明白我们现在到底站在哪里，以及未来可能会走向何方。

本文来源于广告门 adquan.com

要追溯AI的思想源头，其实得回到很久以前。比如古希腊神话里，就有能自己活动的机械仆人。但真正给“智能机器”打下理论基础的，我觉得是上世纪40年代诺伯特·维纳提出的“控制论”。这个概念很关键，它把生物和机器放在同一个框架里分析，讨论它们如何通过信息反馈来达成目标。这就像是为“会思考的机器”这个想法，第一次装上了科学的轮子。

那时候大家开始觉得，也许我们真的能造出模拟甚至延伸人类智能的东西。

不过，“人工智能”这个词真正被创造出来，成为一个独立的学科，要到1956年的达特茅斯会议。组织者约翰·麦卡锡提出了这个术语，他的想法很明确，就是要把研究“让机器能像人一样智能地行动”这件事，变成一个正经的学术领域。

那次会议聚集了一批顶尖的科学家，大家信心满满，觉得用不了几十年，机器就能达到人类的智能水平。虽然这个目标现在看来有点天真，但它确实像一把火，把分散的研究力量聚到了一起，AI作为一个学科正式起跑了。

接下来就是一段被称为“黄金时代”的乐观探索。研究者们主要走的是“符号主义”的路子，也就是用逻辑和规则来让机器推理。比如早期的“逻辑理论家”程序，能证明数学定理，当时让人觉得特别神奇。专家系统的雏形也开始出现，机器好像真的能像某个领域的专家一样解决问题。

但这种乐观没持续太久。

因为大家很快发现，现实世界的问题复杂得多，不是靠预设的规则就能全部解决的。到了70年代，预期的突破没实现，资金和兴趣都大幅消退，AI进入了第一次“寒冬”。那种从满怀希望到陷入低谷的感觉，我想当时的研究者们一定很煎熬。

就在符号主义碰壁的时候，另一条路——“连接主义”，也就是模仿人脑神经网络的路径，其实一直在悄悄发展。50年代末的“感知机”模型曾带来一阵兴奋，但它连简单的“异或”问题都解决不了，这给了它近乎致命的一击，导致神经网络研究被冷落了很久。

转机出现在80年代。

“反向传播”算法的出现和普及，让多层神经网络的训练成为可能。这就像给沉睡的种子浇了水，虽然当时还没长成参天大树，但已经为几十年后的深度学习复兴埋下了最重要的伏笔。

AI能迎来今天的爆发，我觉得是算力、数据和算法这三个条件终于凑齐了。尤其是21世纪以来，互联网产生了海量数据，GPU提供了强大的计算能力，再加上深度学习算法的不断优化，三者形成了强大的飞轮效应。

2016年AlphaGo战胜李世石，就是一个标志性事件。它不仅仅是一次比赛的胜利，更是向全世界宣告，AI在特定领域的智能水平已经超越了人类，并且从实验室论文，真正走进了大众的视野和社会讨论的中心。

回顾这段历史，你会发现AI的发展从来不是一条直线。

它经历了好几次“乐观-幻灭-反思-复兴”的螺旋式上升。每一次寒冬都迫使研究者转换思路，每一次复兴都建立在新的技术基础之上。

这段历史给我们的启示是，对当前AI的能力既不必神话，也无需恐惧。理解它从何而来，经历过哪些挫折，才能帮助我们更冷静地面对它带来的伦理挑战，更务实地规划它的发展方向。

历史不会给我们直接的答案，但它能让我们在塑造未来时，多一点明智，少一点盲目。

妙想AI写作平台只需输入话题即可一键生成文章，欢迎大家体验~~~

更多AI相关内容关注&公众号：妙想MIAO.X