AI 三次浪潮
Three Waves of AI
两次寒冬教会行业一件事：承诺要跑得比算力快，但不能太快。
科技圈~14 min测验 ×5
课前热身
先摸底：这几道题正文里都有答案
0/2
1.「AI 之父」图灵在 1950 年提出的著名问题是？
2.1997 年击败国际象棋世界冠军卡斯帕罗夫的计算机是？
AI 的历史不是线性进步，而是三次浪潮、两次寒冬的呼吸曲线：1956 年达特茅斯会议命名 Artificial Intelligence → 70 年代第一次寒冬 → 80 年代专家系统回潮 → 90 年代第二次寒冬 → 2012 年深度学习引爆 → 2022 年大模型走向大众。每次起落的剧本都一样：能力突破 → 资本狂热 → 承诺跳票 → 寒冬。
三条技术路线
| 路线 | 核心思想 | 代表作 / 时刻 | 根本局限 |
|---|---|---|---|
| 符号主义 | 智能=逻辑推理，把知识写成规则 | 专家系统（MYCIN）、深蓝 | 规则写不完：常识无法穷举 |
| 连接主义 | 智能=从数据中学习（神经网络） | 感知机→反向传播→深度学习 | 算力与数据饥渴、黑箱不可解释 |
| 行为主义 | 智能=感知—行动的反馈循环 | 强化学习、机器人控制 | 样本效率低、奖励难设计 |
今天的大模型是连接主义为主干、行为主义（RLHF）做对齐的混合体。
关键节点
AI 七十年
- 1950图灵《计算机器与智能》
- 1956达特茅斯会议：AI 学科诞生「机器智能」获得名字与经费
- 1957感知机（最早的神经网络）
- 1969明斯基证明感知机局限（XOR）连接主义入冬的学术扳机
- 1980s专家系统商业化浪潮与日本「第五代计算机」计划
- 1986反向传播算法普及（Hinton 等）神经网络训练成为可能
- 1997深蓝胜卡斯帕罗夫
- 2012AlexNet 横扫 ImageNetGPU+大数据+深度学习三合一，第三次浪潮起点
- 2016AlphaGo 胜李世乭深度强化学习震撼东亚
- 2017Transformer 架构（《Attention Is All You Need》）
- 2022ChatGPT：两个月破亿用户AI 从实验室走向日用品
- 2023–多模态与推理模型竞赛、算力军备与安全治理并行
两次寒冬的教训
- 第一次寒冬（1974–80）：机器翻译与通用推理承诺跳票，英国 Lighthill 报告与 DARPA 削减经费——教训：常识问题被严重低估。
- 第二次寒冬（1987–93）：专家系统维护成本失控、日本第五代机计划失败——教训：规则系统的知识获取瓶颈无解。
- 共同机制：融资看演示、交付落差大、资本撤出、人才流失——「AI」一词一度成为融资毒药，研究者改叫「机器学习」。
- 这次有何不同：大模型已进入消费级产品（对话、编程、图像），真实营收与使用时长支撑投入——但算力成本与商业化差距仍是周期风险。
1956
AI 得名（达特茅斯）
2 次
AI 寒冬
2 个月
ChatGPT 破亿用户速度
约 1 万亿+
头部大模型参数量级（含 MoE）
知识关联
| 本篇概念 | 关联到哪里 |
|---|---|
| 算力即燃料 | 科技圈《摩尔定律与芯片战争》：GPU 是 AI 军备的硬件面 |
| 开源框架 | 科技圈《开源运动》：PyTorch/TensorFlow 降低研究门槛 |
| 冷战技术遗产 | 全球历史《冷战与全球化》：ARPANET—互联网—AI 的资助谱系 |
| 推荐算法 | 词条《推荐算法》vs《大语言模型》：两种 AI 的商业化对照 |
关联词条
课后检验
答错的题会自动进入错题复习队列，按记忆曲线提醒重做
0/3
1.两次 AI 寒冬的共同成因最准确的是？
2.AlexNet（2012）的历史意义在于？
3.现代大模型与 80 年代专家系统的本质区别是？