2026 年 8 月 26 日，英伟达财报电话会。有人问黄仁勋怎么看通用人工智能（AGI）。他的回答是：「对于很多任务来说，我们可以说已经实现了 AGI。」

当然，这个说法极具争议，也没得到广泛认可，但也足以佐证当今的 AI 能力之强。回头看，人工智能这门学科已经走过了跌宕起伏的 70 年。

七十一年前的今天，1955 年 8 月 31 日，四个年轻人把一份提案寄给了洛克菲勒基金会。提案标题叫《关于举办达特茅斯人工智能夏季研究项目的提议》。开头一句话是这样写的：他们建议在 1956 年夏天，在新罕布什尔州汉诺威镇的达特茅斯学院，进行一项为期两个月、由十人参与的人工智能研究；这项研究基于一个假设，即学习的每一个方面，或者智能的任何其他特征，原则上都可以被精确描述，从而使机器能够模拟它。

四个署名者是：达特茅斯学院数学系助理教授约翰·麦卡锡（John McCarthy），28 岁；哈佛大学初级研究员马文·明斯基（Marvin Minsky），28 岁；IBM 信息研究主管纳撒尼尔·罗切斯特（Nathaniel Rochester），36 岁；贝尔实验室数学家克劳德·香农（Claude Shannon），39 岁。四个人里只有香农算得上明星，1948 年那篇《通信的数学理论》已经把他送进了教科书。

他们申请了 13500 美元。洛克菲勒基金会批了 7500。

十个人，两个月，七千五百美元，解决智能问题。这是人工智能历史上第一个也是最著名的低估。七十年过去了，这份提案里列出的待办事项（让机器使用语言、形成抽象和概念、解决目前只有人类能解决的问题、并且自我改进）刚好构成了 2026 年整个行业的产品路线图。

AI 过去这几十年是怎么过来的，值得认真讲一遍。因为它的故事还挺曲折的，是一条反复冲高、反复摔落的锯齿线，而每一次摔落的原因都惊人地相似。

命名：一个为了避开维纳而生造的词

在「人工智能」这个词出现之前，这个领域已经有名字了，叫控制论（Cybernetics）。诺伯特·维纳（Norbert Wiener） 1948 年出版的同名著作是当时的圣经，围绕他形成了一个庞大的学术圈子。

麦卡锡不想加入那个圈子。据后来的多方回忆，他既不愿意认维纳当老大，也不想跟他当面争执，同时又觉得香农那套信息论太理论化。他想自立门户，做的事情很具体：用计算机实现智能。于是他需要一个新词，一个不属于任何人的词。

「Artificial Intelligence」就是这么来的。它并非一个精确的技术定义，而是一次学术政治操作的产物。这个细节值得记住，因为它解释了这个领域后来七十年里一个反复出现的困境：这个词从诞生第一天起就没有可操作的定义，所以它永远无法被证明实现了，也永远无法被证明失败了。

1956 年 6 月到 8 月，会议在达特茅斯学院开了八周。它不像今天的学术会议，没有固定日程，也没有论文集，学者们来来去去，有人待一周，有人待整个夏天。(关于实际参会人数，不同资料给出的数字从十几人到三十余人不等，因为「参加过」的定义本身就模糊。)

会上最耀眼的东西来自两位没在提案上署名的人：卡内基理工学院的艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert A. Simon）。他们带来了一个叫「逻辑理论家」（Logic Theorist）的程序，能证明罗素（Bertrand Russell）和怀特海（Alfred North Whitehead）《数学原理》第二章五十二条定理中的三十八条。其中有一条定理，程序给出的证明比罗素的原版更简洁。

Herbert Simon（左）和 Allen Newell (右) 

纽厄尔和西蒙很兴奋，写了一篇论文投给《符号逻辑杂志》，作者栏里郑重地署上了逻辑理论家的名字。杂志拒稿了。

这是历史上第一次，一个 AI 系统被拒绝了署名权。

不管怎样，那场会议后，人工智能这门学科诞生了。

黄金十年：所有人都疯了

达特茅斯之后的十几年是这个领域最快乐的一段时间。钱多，人少，成果密集，每一个 demo 都像在预演未来。

1958 年，康奈尔航空实验室的弗兰克·罗森布拉特（Frank Rosenblatt）造出了感知机（Perceptron）。这是一台真实的硬件，Mark I Perceptron，用 400 个光电管当「视网膜」，权重靠电位器调节，靠电机转动来更新参数。它能学会区分简单的图形。《纽约时报》去采访，出来的报道说这台机器未来将能够行走、说话、看见、书写、自我复制，并意识到自己的存在。

同一年，麦卡锡发明了 LISP 语言，此后三十年它都是 AI 研究的通用语言。

1959 年，IBM 的阿瑟·塞缪尔（Arthur Samuel）让他的跳棋程序自己跟自己下棋，下到能赢过他本人——这是「机器学习」这个词第一次有了实物对应。

1966 年，MIT 的约瑟夫·维森鲍姆（Joseph Weizenbaum）写了 ELIZA，一个只有两百多行代码的模式匹配程序，扮演一个罗杰斯学派心理治疗师，把你的话改写成反问句丢回去。

维森鲍姆写它本来是为了讽刺人机对话的浅薄。结果他的秘书用了几分钟之后，认真地请他离开房间，因为她想跟 ELIZA 单独聊聊。这件事把维森鲍姆吓坏了，他后来成了 AI 最激烈的批评者之一。

1970 年，特里·维诺格拉德（Terry Winograd）的 SHRDLU 能在一个虚拟积木世界里理解「把那个绿色的大块放到红色方块上面」这样的指令，还能回答关于自己刚才为什么这么做的问题。同期斯坦福研究院的机器人 Shakey 能在走廊里规划路径推箱子；虽然它每走一步要思考很久，名字就是这么来的。

在这种气氛下，预言开始失控。1965 年，赫伯特·西蒙写道，二十年内机器将能完成人所能做的任何工作。1970 年，明斯基对《Life》杂志说，三到八年内我们就会有一台具备普通人一般智力的机器。

而就在同一时期，明斯基做了另一件事。1969 年，他和西摩·帕普特（Seymour Papert）出版了《感知机》一书，用严格的数学证明指出单层感知机连异或（XOR）这样的简单逻辑都无法表达。书里也讨论了多层网络的可能性，但态度是悲观的，认为其训练问题看不到解法。

这本书的杀伤力远远超出了它的数学内容。神经网络方向的经费在此后十几年里基本断流。1971 年 7 月 11 日，罗森布拉特在切萨皮克湾划船时发生事故去世，那天是他 43 岁生日。

符号主义赢了这一局。但它赢得太早了，早到还没来得及发现自己也快要撞墙。

第一次寒冬：莱特希尔报告

墙来得很快，而且是同一堵墙的两面：算力和组合爆炸。

1966 年，美国国家科学院的 ALPAC 报告先给了机器翻译一刀。报告结论是，经过十年投入，机器翻译不但没有比人工翻译更快更便宜，质量也差得多，建议停止对全自动翻译的资助。

1973 年，英国科学研究委员会委托应用数学家詹姆斯·莱特希尔（James Lighthill）评估 AI 研究的价值。《莱特希尔报告》的结论很不客气：AI 研究在所有领域都未能兑现承诺，那些在玩具问题上表现良好的方法，一旦面对真实世界规模的问题，就会因为搜索空间的组合爆炸而彻底失效。

组合爆炸是这一代 AI 的根本困境。下棋、走迷宫、证明定理，本质上都是在一棵巨大的树上搜索。玩具问题的树很小，穷举得过来；真实问题的树大到宇宙原子数量级，再聪明的启发式剪枝也不够。而当时能用的算力，跟今天比大约是零。

报告发布后，英国的 AI 研究经费几乎被全部撤销，只保留了两三所大学。大西洋对岸，美国 DARPA 1974 年前后对 AI 的开放式资助也大幅收缩。卡内基梅隆的语音理解研究项目（SUR）因为没有达到 DARPA 期望的指标而被砍掉。

第一次寒冬持续到 1980 年前后。它的成因是 AI 承诺的东西和它能交付的东西之间出现了一条鸿沟。

这条鸿沟后来还会出现两次。

知识就是力量：专家系统的十年

解冻靠的是一次战略收缩：既然造不出通用智能，那就先造一个只懂一件事的专家。

爱德华·费根鲍姆（Edward Feigenbaum）的口号是「知识就是力量」。1965 年开始的 D

来源：机器之心