AI 的三次发展浪潮与两次寒冬

人工智能不是近几年才出现的新事物，它已经走过七十多年，并经历过两次大规模降温。本文按时间梳理符号主义兴起、专家系统热潮、深度学习突破三次浪潮，分析两次寒冬的成因，帮你看清 hype 与真实进展之间的节奏差。

第一次浪潮：符号主义与乐观预言

1956年夏天，一批科学家在美国达特茅斯学院举行了为期数周的研讨会，第一次正式使用“人工智能”这个名称。此后十多年，研究者相信只要把知识和规则写进程序，机器就能推理和解题。当时的程序能处理简单代数题和几何证明，气氛相当乐观。

乐观很快撞了墙。早期程序能处理的只是玩具问题，一旦进入真实世界，组合爆炸让计算量失控；机器缺少常识，翻译一句普通的话都错漏百出。到1970年代，资助方削减投入，第一次寒冬到来。

第二次浪潮：专家系统的商业泡沫

1980年代，专家系统让人工智能重新升温。思路是把某领域专家的经验整理成“如果……那么……”的规则库，让机器照着推理。医疗诊断、地质勘探、设备配置等领域都出现了商用系统，企业纷纷投入，还有公司推出了运行这类系统的专用机器。

泡沫破裂得也快。规则靠人工整理，成本高、维护难，一个系统动辄需要数年才能建成；专用硬件市场又被通用工作站挤垮。到1980年代末，投入产出比被普遍质疑，第二次寒冬降临，人工智能一词一度成了投资人不愿听到的字眼。

第三次浪潮与寒冬的教训

第三次浪潮从2000年代后期开始积累。互联网带来了海量数据，游戏显卡提供了廉价的并行算力，加上神经网络方法的持续改进，2010年前后语音和图像识别的错误率出现陡降。此后2016年AlphaGo战胜围棋世界冠军，2017年Transformer架构论文发表，2022年底ChatGPT发布引发全民关注。

与前两次不同，这次的技术是嵌进搜索、翻译、办公等日常产品里落地的。两次寒冬的共同教训是：预期跑得比能力快，资本就会撤退；而活下来的技术，往往是悄悄变好用、融入基础设施的那种。

本文为 AI 科普内容，仅用于知识普及，不构成任何技术选型、投资或职业决策建议。