图灵、冯·诺依曼与 AI 的先驱们

现代计算机与人工智能的思想从何而来？本文讲述图灵、冯·诺依曼、麦卡锡等先驱的关键贡献，介绍他们提出的核心问题，以及这些思想如何塑造了今天的技术形态，并说明哪些设想至今仍未实现。

图灵：先问清楚能不能

在电子计算机尚未普及时，图灵就用抽象模型回答了什么是可计算的这一根本问题：他设想的机器按规则读写纸带，为计算建立了数学模型，也为通用计算机提供了理论基础。他还提出以对话表现来判断机器是否具备智能的设想，把机器能否思考这一哲学问题转化为可讨论的形式。

需要说明的是，图灵提出的是一种操作性的判断方法，而非断言机器已经具备意识。这个区分至今仍有意义：今天评价 AI 时，人们讨论的往往是它在任务上的表现，而不是它主观上是否有感受。这种以行为表现为依据的思路，正是从那个时代延续下来的。

冯·诺依曼：把程序放进内存

冯·诺依曼参与总结并推广了一种计算机结构：把指令与数据放在同一个存储器中，由控制器按顺序取出执行。这个看似平常的安排影响深远——程序不再需要靠重新接线来改变，而可以像数据一样被读写与修改，软件因此获得了独立的生命力。

他还关注过自复制机器与复杂系统的问题，探讨机器能否构造出与自身相似的机器，这类思考与后来的人工生命、细胞自动机等研究方向有渊源。把计算视为一种可以自我描述的通用过程，是现代计算机科学的重要思想遗产之一。

把领域凝聚起来的人

麦卡锡在 1956 年参与发起达特茅斯会议，并被认为提出了人工智能这一名称，他还在编程语言与分时系统方面有重要贡献，Lisp 长期是 AI 研究的重要工具。明斯基在神经网络与知识表示两个方向都有影响，他早期对感知机的批评一度影响了连接主义的发展节奏。

此外还有不少值得记住的名字：提出感知机与相关学习规则的罗森布拉特，推动了早期神经网络；在符号主义与逻辑推理方向深耕的学者，让知识表示成为独立课题；以及在控制论、信息论与统计学方向的贡献者，为后来的机器学习提供了数学工具。

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。