人工智能编年史

一切开始于一纸论文。

1936年，24岁的剑桥大学研究生艾伦·图灵发表了《论可计算数及其在判定问题上的应用》。在论文中，他构想了一个极其简单的抽象机器——一条无限长的纸带、一个读写头、一套有限的状态规则。这个"通用图灵机"可以计算任何可计算的问题。

这个想法原本是为了回答数学基础的问题（希尔伯特的判定问题），但它意外地为"机器能否思考"这个更古老的问题铺平了道路。如果一台极其简单的抽象机器能够计算任何逻辑上可计算的事情，那么智能所需的计算是否也只是某种特殊形式的符号操作？

1950年，图灵在《Mind》杂志上发表了那篇划时代的论文《计算机器与智能》。开篇他写道：

他提出如果一台机器能够在远程对话中让人类无法区分它和真人，那么我们就应该认为它具有智能。这就是图灵测试。这篇文章奠定了AI的哲学地基。

1956年：AI的"出生证明"

1956年夏天，一场为期八周的工作坊在新罕布什尔州的达特茅斯学院举行。组织者是约翰·麦卡锡，参与者包括马文·明斯基、克劳德·香农、纳撒尼尔·罗切斯特等人。麦卡锡在提案中写下了被历史铭记的句子：

这是"人工智能"这个术语第一次被正式使用。达特茅斯会议被后世视为AI的"出生证明"。

1958年：感知机的崛起

1958年，康奈尔大学的弗兰克·罗森布拉特发明了感知机——一台硬件实现的单层神经网络，能够学会对简单图案进行分类。《纽约时报》报道称这是一台"能思考的机器"。

罗森布拉特的乐观不是孤例。1960年代是AI的第一个黄金时代。MIT的AI实验室充斥着乐观主义。明斯基在1967年写道："在一代人的时间内，创造'人工智能'的问题将基本解决。"

1969年：感知机的陨落——第一次冬天

1969年，明斯基和派珀特出版了《感知机》一书，用严格的数学证明单层感知机无法解决XOR这样简单的非线性分类问题。这本书的论证摧毁了资助者对神经网络的信心。政府资助迅速转向符号推理。与此同时，英国莱特希尔报告（1973）对AI做出严苛评价，导致英国AI研究资助大幅削减。

第一次AI冬天降临了。

1980年代：专家系统的黄金时代

AI找到了它的第一种"商业落地"形式——专家系统。MYCIN诊断血液感染疾病，XCON帮助DEC配置计算机系统，每年节省约4000万美元。日本政府发起雄心勃勃的"第五代计算机"计划。LISP机器公司如日中天。

1986年：反向传播的复兴

戴维·鲁梅尔哈特、杰弗里·辛顿和罗纳德·威廉姆斯重新发现了反向传播算法（backpropagation）——一种让多层神经网络能从错误中学习的方法。神经网络研究重新点燃了希望。

1987-1993：第二次AI冬天

专家系统暴露出根本缺陷——规则写不完、维护成本极高、无法处理未知情况。LISP机器市场崩溃，数百家AI初创倒闭。日本五代机计划悄无声息地终结。第二次冬天比第一次更冷、更长。

1997年：深蓝 vs 卡斯帕罗夫

1997年5月11日，IBM的深蓝在六局国际象棋比赛中以3.5比2.5击败世界冠军卡斯帕罗夫。这是计算机首次在正式比赛中击败人类世界冠军。但深蓝用的是暴力搜索——能下棋，但除此之外什么都不会。

2006年：深度学习概念的诞生

杰弗里·辛顿发表了关于深度信念网络的论文，提出逐层预训练方法训练深层神经网络。"深度学习"这个术语正式诞生。当时的AI学界仍对神经网络持怀疑态度——但辛顿实验室里的几个年轻人即将改变一切。

2012年9月30日：AlexNet 的冲击

ImageNet挑战赛上，辛顿和他的两名学生亚历克斯·克里热夫斯基、伊利娅·苏茨克弗提交了一个八层卷积神经网络——AlexNet。结果令人震惊：AlexNet的top-5错误率为15.3%，而第二名的传统方法是26.2%。差距超过10个百分点——从马车到飞机的跨越。

转年，辛顿被Google收购了他的公司DNNresearch。苏茨克弗参与创立的DeepMind更早被Google收购。深度学习之战已经打响。

2014年：GAN——酒吧之夜的天才念头

Ian Goodfellow回忆，2014年的一个晚上，他和朋友们在蒙特利尔一家酒吧讨论机器如何生成逼真图像。当晚回到住处后，Goodfellow在凌晨2点开始在笔记本上编码。12小时后，写出了一个可运行的——它成功了。

这就是生成对抗网络（GAN）——两个神经网络博弈：一个生成者（伪造图像）、一个判别者（判断真假）。这个"酒吧之夜"的实验后来被引用超过10万次。

2016年3月：AlphaGo vs 李世石——第37手

首尔，围棋世界冠军李世石对阵DeepMind的AlphaGo。第二局第37手，AlphaGo下出了一步震惊所有人的棋——没有下在传统理论认为的主战场，而是落在棋盘中央。在场的人类顶级棋手纷纷认为是"失误"。直到20步后才意识到：这不是失误，这是一步超越了数千年人类围棋经验的创新落子。

AlphaGo以4:1获胜。这场比赛在YouTube上获得超过2.8亿次观看，全球第一次真正意识到AI的力量。

2017年6月：Transformer——改变一切的论文

Google研究团队发表了《注意力即一切》（Attention Is All You Need）。标题本身就是一种态度。当时NLP的主流是RNN/LSTM，按顺序处理文本。Google团队提出完全基于注意力机制的架构，每个词直接与句子中所有其他词建立关系——并行训练成为可能，速度提高数十倍。

这篇论文后来成为AI史上引用最多的论文之一。ChatGPT、DALL-E、AlphaFold——这些改变世界的系统的底层架构都是Transformer。

2018年：BERT 与 GPT——两条路

两个关键的大型预训练语言模型几乎同时诞生。Google的BERT——双向编码器，擅长理解文本，在11项NLP基准测试中创下新纪录。OpenAI的GPT——单向解码器，擅长生成文本。GPT-1只有1.17亿参数，在当时看来是个有趣但不够惊艳的实验。

2019年：GPT-2——"太危险了不能发布"

OpenAI训练了GPT-2（15亿参数），能在给定开头后续写出流畅文章。然后OpenAI宣布："由于担心恶意使用，我们不会立即公开发布完整的模型。"这引发了关于AI安全的大规模讨论。"不发布"的声明本身也成为头条——批评者认为这是一种营销策略。

2020年5月：GPT-3——1750亿参数的震撼

GPT-3展现了令人惊叹的少样本学习能力：给它几个例子，它就能完成翻译、写代码、写诗、回答事实性问题——不需要微调。训练成本超过1000万美元。AI研究者开始认真讨论：如果一个更大的语言模型能展示出这种能力，我们还需要针对每个任务训练不同模型吗？

2022年11月30日：ChatGPT——产品遇见了时机

OpenAI发布了一个"研究预览"——ChatGPT。它是GPT-3.5的接口版本，经过了强化学习（RLHF）的微调。事情超出了所有人的预期。

五天内用户突破100万。两个月内月活跃用户达到1亿——历史上增长最快的消费者应用（TikTok用了九个月）。

2015-2020：从GAN到扩散模型

Goodfellow的GAN开启了AI生成图像的纪元。但GAN训练极不稳定。2015年Sohl-Dickstein等人提出扩散模型——先训练网络学习加噪到去噪的逆过程。2020年Jonathan Ho的DDPM让扩散模型变得实用：生成图像质量首次超越GAN，且训练稳定。

2022年：图像生成爆发年

4月，OpenAI发布DALL-E 2——一张"宇航员在阿尔法半人马座骑骏马"的图像成了这个时代最具辨识度的AI图像之一。

8月，Stable Diffusion开源发布——可以运行在消费者的显卡上。全世界数百万人第一次能够无需排队、无需付费就生成他们想象的任何图像。

同月，Midjourney v3因其独特的油画般审美迅速走红，"教皇穿羽绒服"、"特朗普被捕"等AI假图引发大范围传播。

2024年2月：Sora——AI让世界动起来

OpenAI发布Sora——文本到视频生成模型。给它一句描述，它能生成最长60秒的连贯视频，画面稳定，物体以合理方式移动。Sora对三维空间的理解暗示了一个更深层的可能性：一个如果能够正确预测视频中物理动态的模型，是否在隐式地"理解"了现实世界的因果结构？

人工智能的历史不是一条直线——它是一条螺旋上升的线，每一轮都经历从希望的高峰到失望的谷底，再在更坚实的技术基础上重新崛起。