第 3 章 · 简史篇

你今天用 ChatGPT 聊天觉得理所当然。但你知道吗？AI 已经悄悄走过了 70 年——中间被人类"抛弃"过两次，几乎快死了。这一章不讲技术，只讲故事——一个"人类和机器智能"的爱恨长跑。

三次大潮 · 一张全景图

AI 历史像海浪：一波起、一波落，每一波都以为自己是最后一波。到 2026 年为止，AI 大概经历了三次这样的浪潮：

1940s–1950s · 神经元与图灵之问

故事开始于 1943 年。心理学家 McCulloch（麦卡洛克）和数学家 Pitts（皮茨）合作发了一篇论文——他们发现，大脑里的神经元可以用简单的"是 / 否"逻辑运算来模拟。这是史上第一个"人工神经元"的数学模型——一切的开端。

1950 年，英国天才数学家 Alan Turing（艾伦·图灵）——就是那个二战破译德军密码、后来被苹果 logo 纪念的人——写了一篇著名论文《Computing Machinery and Intelligence》。他没有回答"机器能不能思考"这个问题，而是狡猾地问：如果一台机器能骗过你，让你分不清对面是人还是机器，那你说它算不算有智能？

1956 · 一个夏天，AI 有了名字

1956 年夏天，达特茅斯学院（Dartmouth College）——一所美国常春藤名校——办了一场为期两个月的研讨会。发起人是四位年轻教授：McCarthy（麦卡锡）、Minsky（明斯基）、Shannon（信息论之父香农）、Rochester（IBM 首席）。

他们在申请经费的报告里写了这么一句话：

就是这份报告——第一次把"Artificial Intelligence"这个词写在纸上。1956 年从此被公认为 AI 的诞生年，达特茅斯会议被称为 AI 的"独立宣言"。

1958 · 第一个真正会学习的机器

1958 年，Cornell 大学的心理学家 Rosenblatt（罗森布拉特）造出了历史上第一台"神经网络机器"——叫 Perceptron（感知机）。它是一台真的"能自己学"的机器——由 400 个光电管组成，能识别简单的图案（比如三角形和正方形）。

《纽约时报》1958 年头版刊登：

1969–1980 · 第一次寒冬

热闹归热闹，感知机很快撞墙了。1969 年，MIT 的 Minsky（就是达特茅斯会议那位）和 Papert 合著了一本书《Perceptrons》，用严谨的数学证明——单层感知机连最简单的"XOR 异或"逻辑都学不会。

这本书像一盆冷水，浇灭了神经网络方向的所有希望。政府撤资、学界转向，接下来的十年里，"神经网络"这四个字几乎成了学术界的禁忌——谁研究这个谁申请不到经费。这就是"第一次 AI 寒冬"（约 1974–1980）。

1980s · 专家系统的黄金十年

神经网络凉了，另一派 AI 却火起来——专家系统（Expert System）。思路很简单：既然让机器"自己学"不行，那我就把某个领域最有经验的专家的知识一条条抄成规则，让机器照着规则做决策。

专家系统开始赚钱了——1980 年代美国 DEC 公司用一个叫 XCON 的专家系统给客户配电脑，一年省了 4000 万美元。日本政府发起"第五代计算机计划"，投入 8.5 亿美元研发 AI；美国 DARPA、欧洲各国全部跟进。整个 80 年代，AI 相关公司市值一路飙升。

1987–1993 · 第二次寒冬

好景不长。专家系统有几个致命毛病：

• 规则写不尽一个真正老练的医生脑子里的判断远不止一千条——他会看人的脸色、听咳嗽的音调、闻气味，这些根本没法翻译成规则。
• 维护极贵医学在进步、新药出现，规则要不停更新。养一个专家系统的成本比雇几个专家还贵。
• 脆弱易崩规则冲突时机器就死机，或者给出滑稽的建议。

加上通用 PC 崛起，很多专用 AI 硬件（Lisp 机器）破产。1987 年 AI 硬件市场一夜崩盘——这就是"第二次 AI 寒冬"。日本第五代计算机计划到 1992 年宣告失败；DARPA 撤资；"AI"这个词又一次成了禁忌，很多研究者只好把自己的论文改称"机器学习""模式识别""认知计算"来蒙混过关。

1990s · 静悄悄的复苏

90 年代看似冷清，其实 AI 底子在悄悄进化——只是不叫"AI"了，叫"机器学习"。这十年出了一系列今天仍然是主力的算法：

1997 · 深蓝击败卡斯帕罗夫

1997 年 5 月 11 日，纽约。IBM 深蓝（Deep Blue）与国际象棋世界冠军 Garry Kasparov（加里·卡斯帕罗夫）对弈的第六局。深蓝走了一步反直觉的怪棋，卡斯帕罗夫百思不得其解——他猜想 IBM 一定作弊——但棋输了就是输了。终局 3.5 : 2.5，AI 首次击败人类棋王。

2006 · Hinton 复活神经网络

神经网络的地下室生涯，一躲就是 30 年。有位加拿大教授叫 Geoffrey Hinton（杰弗里·辛顿）——被称为"深度学习教父"。他从 70 年代起就死磕神经网络，学界几乎所有人都说他方向错了，他不管。

2006 年，Hinton 发了一篇论文，展示"深度置信网络"（DBN）可以有效地训练"深"的神经网络——之前深层网络训不动的问题被他找到了突破口。这一年被称为"深度学习"这个词正式登台的元年。但学界仍将信将疑。

2012 · AlexNet 一鸣惊人

2012 年 9 月，一场叫 ImageNet 的图像识别比赛结果公布——这是学界最权威的"AI 高考"，任务是把 128 万张图片分成 1000 类。往年冠军的错误率都在 26% 上下。

这一年的冠军 AlexNet（Hinton 和他两个学生做的深度神经网络）——把错误率一下子干到了 15.3%。差距之大让所有人震惊。第二名（用传统方法）是 26.2%。

从此，学界所有人调头奔向深度学习。谷歌、Facebook、微软疯狂高薪挖 AI 博士。Hinton 的公司被谷歌以 4400 万美元收购——三个人只有几行代码和几张 GPU。第三次 AI 浪潮正式开启。

2014 · GAN 和"造假高手"诞生

2014 年，一位叫 Ian Goodfellow（伊恩·古德费罗）的博士生在酒吧喝酒时想到一个鬼点子：让两个神经网络对抗——一个负责造假图，一个负责鉴定真假；两个不停博弈，造假的越来越像真的。这就是 GAN（生成对抗网络）。GAN 是"生成式 AI"的第一次爆发——AI 从此不只能"识别"，还能"创造"。今天你看到的换脸、老照片修复、AI 换装，几乎都是 GAN 或它的后代。

2016 · AlphaGo 击败李世石

如果说深蓝赢国际象棋是"意料之中的震撼"，那 2016 年 3 月，谷歌 DeepMind 的 AlphaGo 战胜韩国九段棋手 李世石，就是"完全不可能的可能"。

围棋比国际象棋复杂得多——状态数是 10 的 170 次方，比宇宙原子总数还多。暴力搜索永远搜不完。业内当时的共识是："围棋 AI 击败人类，至少还要 20 年。"

结果 5 局比赛，AlphaGo 4:1 胜出。第二局第 37 手，AlphaGo 走出一步违反 3000 年围棋直觉的怪棋——一开始所有解说员都以为它算错了。40 步之后，才发现那是招神来之笔——事后被业界誉为"上帝之手"。

2017 · Transformer · 一切的开始

2017 年 6 月，谷歌 8 位研究员在 arxiv 上上传了一篇论文：《Attention Is All You Need》。这篇论文提出了一种新的神经网络结构——Transformer。

论文标题里那个 "Attention"（注意力）成了今天大模型的核心机制。ChatGPT、Claude、DeepSeek、Sora——所有你听说过的当代大模型，都是 Transformer 的孩子或孙子。如果说 AI 的历史只能记住一个技术名词，那就是 Transformer。

2018–2020 · 大模型崛起

Transformer 一出，各家公司立刻用它训练超大模型：

• 2018.6OpenAI 发布 GPT-1，1.17 亿参数——当时觉得很大。
• 2018.10谷歌发布 BERT，3.4 亿参数——用于搜索排序，一下把 Google 搜索质量提升一大截。
• 2019.2OpenAI 发布 GPT-2，15 亿参数——首次能"接着写文章"，OpenAI 声称"太危险不敢发布完整版"。
• 2020.6GPT-3 发布，1750 亿参数——首次表现出"few-shot 学习"能力，业界震惊。

2022.11.30 · ChatGPT 横空出世

OpenAI 本来只是想给 GPT-3.5 做个"对话演示"，团队内部觉得"没啥新意"，随手就发布了。2 个月内 1 亿用户——史上增长最快的消费级产品。

2023 · "百模大战"

看到 ChatGPT 的惊人爆红，全世界所有大厂都在 3 个月内挤出自己的大模型。这一年被称为"百模大战"：

2024 · 多模态与推理模型

AI 不再只是聊天工具——它开始"看"、"听"、"想"：

• 2024.2 · SoraOpenAI 发布文生视频模型 Sora，一段几十秒的视频从此可以由几行文字生成。全球影视行业震动。
• 2024.5 · GPT-4oOmni（全能）版 GPT——语音、文字、图像输入输出，同一个模型。它能"听你的语气"、"看你的表情"，几乎像真人对话。
• 2024.9 · o1OpenAI 首个"推理模型"——能像人一样"停下来多想几步"，解奥数题、编程题的能力大幅提升。
• 2024.12 · DeepSeek-V3中国开源模型 DeepSeek-V3 性能追上顶级闭源模型，成本只有 1/10，震动硅谷。

2025 · Agent 元年 & 推理白菜价

2025 年被业内公认为"AI Agent 元年"——AI 不再只回答问题，而是自己动手完成任务：帮你订机票、写整个软件、自动做研究报告。

• 2025.1 · DeepSeek-R1中国团队用极低成本训出与 OpenAI o1 相当的推理模型，全球开源可用。美国科技股一天蒸发万亿美元——业界称为"DeepSeek 时刻"。
• 2025 全年Claude Computer Use、GPT Agent、Manus、TRAE 等"能自己动电脑"的 Agent 产品相继落地。
• 推理成本从 2022 年 ChatGPT 发布时的 $20/M tokens，到 2025 年主流模型 $0.1/M tokens——两年降了 200 倍。

2026 · 我们此刻在哪

你正在读这篇文章的 2026 年，AI 处在这么一个位置：

历史给我们的三个启示

• 别信"再过 X 年"每次 AI 顶尖学者预测"再过 20 年就实现 X"，几乎都错了——要么低估（下棋），要么高估（AGI）。
• 数据、算力、算法缺一不可神经网络在冷板凳上坐了 30 年，不是因为思路错——是因为当时缺"食物"（数据）和"锻炼"（算力）。三者到位它就爆发。
• 寒冬后往往是最凶猛的爆发每一次寒冬后的复苏，力量都比上一次大得多。关键不是"AI 什么时候来"，而是"下一次寒冬后 AI 会变成什么样"。