主播
节目简介
来源：小宇宙
哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。
今天我们继续“AI江湖故事”的旅程。
上一期我们聊了ELIZA，一个连“理解”是什么都不知道的程序，却骗了全世界——成千上万的人抱着它倾诉心事，甚至要求真人回避，好跟它“单独聊聊”。
ELIZA的故事说明了一件事：人类太容易被“像人”的东西打动了。但与此同时，AI学界的大佬们正在做一件更“疯狂”的事——他们不是在骗别人，而是先把自己给骗了。
今天这一期，小艾就带大家回到1960年代末，看看AI的第一次“大崩盘”——第一次AI寒冬。
故事要从1960年代末说起。那是AI的黄金时代，用一句话形容就是：“AI火了，火得一塌糊涂。”
在1956年达特茅斯会议之后，AI研究迅速在美国和英国蔓延开来。麦卡锡去了斯坦福，明斯基去了麻省理工，西蒙和纽厄尔在卡内基梅隆——这几所顶尖大学成了AI的“四大名捕”，各自建立了世界顶级的AI实验室。
政府也在疯狂砸钱。美国的DARPA——就是那个后来发明互联网的机构——每年向AI研究投入数百万美元。英国政府也成立了专门的研究机构。在当时，AI研究拿经费比今天拿融资还容易。
媒体更是把AI捧上了天。《纽约时报》《时代周刊》的标题一个比一个夸张：“机器正在学会思考！”“人类将被机器超越？”
而AI的大佬们，也毫不谦虚。
西蒙在1965年就放话：“二十年之内，机器将能完成人类能做的任何工作。”
明斯基在1967年说：“一代人之内，人工智能问题将基本解决。”
麦卡锡甚至在一次公开演讲中说：“我们拥有制造超人智能的所有知识，剩下的只是工程问题。”
“只是工程问题”——你听听这口气，就好像造一个能思考的机器，跟盖一栋楼差不多。
当时的学生也疯了。AI课程被挤爆，教授们被奉为神明，整个社会都在期待一个“机器大脑”的出现。
但你有没有发现一个问题？这些预言，听起来是不是有点熟悉？今天的媒体和科技大佬，是不是也在说着类似的话？
好，让我们回到1960年代末。在一片狂欢中，有一个人始终冷眼旁观——他叫詹姆斯·莱特希尔，英国剑桥大学的数学家，应用数学教授。
1969年，莱特希尔在英国广播公司做了一次演讲。他当场浇了一盆冷水：“当前AI研究的主流向公众传达了一种误导性的信息，让人们误以为机器已经接近人类智能。”他直言不讳地说，这个领域“连最基础的问题都还没解决”。
当时没有人听他的。AI学界觉得他“不懂AI”“一个做流体力学的懂什么智能”。但莱特希尔可不是一般人——他不仅是剑桥教授，还是英国政府的高级科学顾问。他的物理直觉告诉他，“智能的复杂度、计算的物理极限，是现在这些人远远没有考虑到的”。他看到了AI奠基者们没能看到的“根本性的天花板”。
1971年，英国政府正式委托莱特希尔，对AI领域进行全面评估。这等于给了他“尚方宝剑”——你可以去查，去走访，去审判。
莱特希尔花了两年时间，走访了英美各大AI实验室，和几十位顶尖学者逐一交谈。1973年，他的报告出炉。结论只有一句话，但堪比核弹——“迄今为止，AI领域在任何核心问题上都未能取得实质性突破。”
什么是“核心问题”？感知、推理、语言理解、学习——这些AI在1950年代承诺要解决的东西，20年过去了，一个都没解决。所谓的“进展”，不过是“在极小的问题域里玩玩具”。
莱特希尔在报告中特别点名批评了“通用问题求解器”——那是西蒙和纽厄尔最得意的作品之一，号称能“解决任何逻辑问题”。但莱特希尔指出，它只能解决那些已经被精确定义、规则极其简单的小问题，一旦遇到现实世界的哪怕一点点复杂性，就彻底失效。
这份报告的结论是：“AI的承诺远超其实际成就，继续大规模投资缺乏科学依据。”
你可以想象当时AI学界的反应——震惊、愤怒、不甘。明斯基写了一篇措辞激烈的反驳，但莱特希尔的身份和这份报告的权威性，让他根本无法翻盘。
更致命的还在后面。这份报告被英美政府全盘采纳。英国政府直接解散了所有专门的AI研究单位，经费几乎归零。美国的DARPA也大幅削减了对AI实验室的资助，卡内基梅隆、斯坦福、麻省理工的AI实验室一夜之间失去了经费来源。
曾经挤满天才的实验室，变得空空荡荡。教授们被迫去做数据库、做操作系统、做商业软件——只要能拿到钱。学生也不敢再选AI方向了，“学AI找不到工作”成了学术界公开的秘密。
媒体风向也急转直下。曾经吹捧AI的报纸杂志，开始用“AI是一场骗局”“人工智能已死”做标题。AI这个词，成了“不靠谱”的代名词。
这就是第一次AI寒冬。
那么，我们回过头来问一句：AI怎么就突然从“无所不能”变成了“人人喊打”？
小艾觉得，核心原因就一句话——AI领袖们许下了他们无法兑现的承诺。
我们来复盘一下符号主义AI的三大根本困境，你就明白为什么“十年内解决AI”这种话，从一开始就是不可能的。
第一个困境：常识问题。你可能会觉得奇怪：常识有什么难的？但常识恰恰是符号主义AI的“死穴”。比如你告诉AI“鸟会飞”，然后问它“企鹅会飞吗”——它会说“会”，因为它的规则里写着“鸟会飞”。要让AI知道“企鹅不会飞”，你得加一条例外规则。那“鸵鸟呢？几维鸟呢？受伤的鸟呢？”——每加一个例外，就要加一条规则。现实世界根本没有“完美的规则系统”。人类生活中那些“不言而喻”的东西，对AI来说都是天书。
第二个困境：组合爆炸。你想让AI像人一样理解语言，需要多少条语法规则？答案是无穷条。因为语言本身就是模糊的、有歧义的。更糟的是，规则之间还会相互作用。你加了100条规则之后，它们之间可能产生几万种相互影响，你根本不知道哪条规则会在什么情况下被触发。就像你同时遵守100条交通规则，但它们在某些路口会互相矛盾——你根本不知道该听谁的。
第三个困境：知识获取。所有规则，都需要程序员一条一条地敲进去。你可以想象那个工作量——要把人类的所有常识、所有语言规则、所有专业知识都变成“如果-那么”的代码。这根本不是“工程问题”，这是“不可能问题”。
所以，当莱特希尔的报告把这一切戳穿时，AI的泡沫就破了。投资人发现，他们投的钱没有换来“会思考的机器”，只换来了一堆永远写不完的规则。于是他们走了，一干二净。
但小艾想告诉大家一件事——第一次寒冬虽然冷，但它并不是故事的结局。
在麻省理工的一个角落，有一个年轻人，他的博士论文写的是“神经网络”——在当时，这个词比“AI”还不靠谱。他的导师们都劝他：“别做这个，没有前途，毕业都找不到工作。”但他没有听。
他的名字叫杰弗里·辛顿。
在第一次AI寒冬最冷的时候，他在角落里悄悄种下了一颗种子。那颗种子，在无人问津的土壤里，默默地等了几十年。它要等到2012年，才会破土而出，长成一棵参天大树。
好了，今天这一期我们聊了第一次AI寒冬——AI如何从“无所不能”的神坛跌落，又如何被“冻结”了整整六年。
下一期，小艾要带大家进入1980年代。AI找到了一个新的“救命稻草”——专家系统。它看起来比符号主义靠谱多了，而且真的能赚钱。但为什么这一次，AI又摔了一个更大的跟头？记得订阅《AI有点意思》，我们下期见！
今天我们继续“AI江湖故事”的旅程。
上一期我们聊了ELIZA，一个连“理解”是什么都不知道的程序，却骗了全世界——成千上万的人抱着它倾诉心事，甚至要求真人回避，好跟它“单独聊聊”。
ELIZA的故事说明了一件事：人类太容易被“像人”的东西打动了。但与此同时，AI学界的大佬们正在做一件更“疯狂”的事——他们不是在骗别人，而是先把自己给骗了。
今天这一期，小艾就带大家回到1960年代末，看看AI的第一次“大崩盘”——第一次AI寒冬。
故事要从1960年代末说起。那是AI的黄金时代，用一句话形容就是：“AI火了，火得一塌糊涂。”
在1956年达特茅斯会议之后，AI研究迅速在美国和英国蔓延开来。麦卡锡去了斯坦福，明斯基去了麻省理工，西蒙和纽厄尔在卡内基梅隆——这几所顶尖大学成了AI的“四大名捕”，各自建立了世界顶级的AI实验室。
政府也在疯狂砸钱。美国的DARPA——就是那个后来发明互联网的机构——每年向AI研究投入数百万美元。英国政府也成立了专门的研究机构。在当时，AI研究拿经费比今天拿融资还容易。
媒体更是把AI捧上了天。《纽约时报》《时代周刊》的标题一个比一个夸张：“机器正在学会思考！”“人类将被机器超越？”
而AI的大佬们，也毫不谦虚。
西蒙在1965年就放话：“二十年之内，机器将能完成人类能做的任何工作。”
明斯基在1967年说：“一代人之内，人工智能问题将基本解决。”
麦卡锡甚至在一次公开演讲中说：“我们拥有制造超人智能的所有知识，剩下的只是工程问题。”
“只是工程问题”——你听听这口气，就好像造一个能思考的机器，跟盖一栋楼差不多。
当时的学生也疯了。AI课程被挤爆，教授们被奉为神明，整个社会都在期待一个“机器大脑”的出现。
但你有没有发现一个问题？这些预言，听起来是不是有点熟悉？今天的媒体和科技大佬，是不是也在说着类似的话？
好，让我们回到1960年代末。在一片狂欢中，有一个人始终冷眼旁观——他叫詹姆斯·莱特希尔，英国剑桥大学的数学家，应用数学教授。
1969年，莱特希尔在英国广播公司做了一次演讲。他当场浇了一盆冷水：“当前AI研究的主流向公众传达了一种误导性的信息，让人们误以为机器已经接近人类智能。”他直言不讳地说，这个领域“连最基础的问题都还没解决”。
当时没有人听他的。AI学界觉得他“不懂AI”“一个做流体力学的懂什么智能”。但莱特希尔可不是一般人——他不仅是剑桥教授，还是英国政府的高级科学顾问。他的物理直觉告诉他，“智能的复杂度、计算的物理极限，是现在这些人远远没有考虑到的”。他看到了AI奠基者们没能看到的“根本性的天花板”。
1971年，英国政府正式委托莱特希尔，对AI领域进行全面评估。这等于给了他“尚方宝剑”——你可以去查，去走访，去审判。
莱特希尔花了两年时间，走访了英美各大AI实验室，和几十位顶尖学者逐一交谈。1973年，他的报告出炉。结论只有一句话，但堪比核弹——“迄今为止，AI领域在任何核心问题上都未能取得实质性突破。”
什么是“核心问题”？感知、推理、语言理解、学习——这些AI在1950年代承诺要解决的东西，20年过去了，一个都没解决。所谓的“进展”，不过是“在极小的问题域里玩玩具”。
莱特希尔在报告中特别点名批评了“通用问题求解器”——那是西蒙和纽厄尔最得意的作品之一，号称能“解决任何逻辑问题”。但莱特希尔指出，它只能解决那些已经被精确定义、规则极其简单的小问题，一旦遇到现实世界的哪怕一点点复杂性，就彻底失效。
这份报告的结论是：“AI的承诺远超其实际成就，继续大规模投资缺乏科学依据。”
你可以想象当时AI学界的反应——震惊、愤怒、不甘。明斯基写了一篇措辞激烈的反驳，但莱特希尔的身份和这份报告的权威性，让他根本无法翻盘。
更致命的还在后面。这份报告被英美政府全盘采纳。英国政府直接解散了所有专门的AI研究单位，经费几乎归零。美国的DARPA也大幅削减了对AI实验室的资助，卡内基梅隆、斯坦福、麻省理工的AI实验室一夜之间失去了经费来源。
曾经挤满天才的实验室，变得空空荡荡。教授们被迫去做数据库、做操作系统、做商业软件——只要能拿到钱。学生也不敢再选AI方向了，“学AI找不到工作”成了学术界公开的秘密。
媒体风向也急转直下。曾经吹捧AI的报纸杂志，开始用“AI是一场骗局”“人工智能已死”做标题。AI这个词，成了“不靠谱”的代名词。
这就是第一次AI寒冬。
那么，我们回过头来问一句：AI怎么就突然从“无所不能”变成了“人人喊打”？
小艾觉得，核心原因就一句话——AI领袖们许下了他们无法兑现的承诺。
我们来复盘一下符号主义AI的三大根本困境，你就明白为什么“十年内解决AI”这种话，从一开始就是不可能的。
第一个困境：常识问题。你可能会觉得奇怪：常识有什么难的？但常识恰恰是符号主义AI的“死穴”。比如你告诉AI“鸟会飞”，然后问它“企鹅会飞吗”——它会说“会”，因为它的规则里写着“鸟会飞”。要让AI知道“企鹅不会飞”，你得加一条例外规则。那“鸵鸟呢？几维鸟呢？受伤的鸟呢？”——每加一个例外，就要加一条规则。现实世界根本没有“完美的规则系统”。人类生活中那些“不言而喻”的东西，对AI来说都是天书。
第二个困境：组合爆炸。你想让AI像人一样理解语言，需要多少条语法规则？答案是无穷条。因为语言本身就是模糊的、有歧义的。更糟的是，规则之间还会相互作用。你加了100条规则之后，它们之间可能产生几万种相互影响，你根本不知道哪条规则会在什么情况下被触发。就像你同时遵守100条交通规则，但它们在某些路口会互相矛盾——你根本不知道该听谁的。
第三个困境：知识获取。所有规则，都需要程序员一条一条地敲进去。你可以想象那个工作量——要把人类的所有常识、所有语言规则、所有专业知识都变成“如果-那么”的代码。这根本不是“工程问题”，这是“不可能问题”。
所以，当莱特希尔的报告把这一切戳穿时，AI的泡沫就破了。投资人发现，他们投的钱没有换来“会思考的机器”，只换来了一堆永远写不完的规则。于是他们走了，一干二净。
但小艾想告诉大家一件事——第一次寒冬虽然冷，但它并不是故事的结局。
在麻省理工的一个角落，有一个年轻人，他的博士论文写的是“神经网络”——在当时，这个词比“AI”还不靠谱。他的导师们都劝他：“别做这个，没有前途，毕业都找不到工作。”但他没有听。
他的名字叫杰弗里·辛顿。
在第一次AI寒冬最冷的时候，他在角落里悄悄种下了一颗种子。那颗种子，在无人问津的土壤里，默默地等了几十年。它要等到2012年，才会破土而出，长成一棵参天大树。
好了，今天这一期我们聊了第一次AI寒冬——AI如何从“无所不能”的神坛跌落，又如何被“冻结”了整整六年。
下一期，小艾要带大家进入1980年代。AI找到了一个新的“救命稻草”——专家系统。它看起来比符号主义靠谱多了，而且真的能赚钱。但为什么这一次，AI又摔了一个更大的跟头？记得订阅《AI有点意思》，我们下期见！
外观
