> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/ai_beginner_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/ai_beginner_guide/di-yi-bu-fen-ai-ji-chu-ru-men/01_ai_intro/1.2_ai_history.md).

# 1.2 达特茅斯的夏天与漫长的寒冬

AI 发展的历史证明，光有“脑子”（算法）不够，还得有“肌肉”（算力）和“粮食”（数据）。两起两落，皆因“时机未到”。

本节将简要回顾 AI 发展中的几次关键起落，包括探究历史上的两次“寒冬”，以及分析当前这轮 AI 浪潮爆发的核心驱动力。

```mermaid
graph LR
    A["1956<br/>达特茅斯会议<br/>提出「人工智能」"] --> B["1970s<br/>第一次寒冬"]
    B --> C["1990s<br/>第二次寒冬<br/>专家系统遇阻"]
    C --> D["2012<br/>深度学习爆发"]
    D --> E["2017<br/>Transformer 架构"]
    E --> F["2022<br/>ChatGPT「iPhone 时刻」"]
    F --> G["2023 至今<br/>多模态与智能体"]
```

图 1-1：人工智能发展时间线。两次寒冬之后，算力、数据、算法三要素终于齐备，AI 才迎来真正的春天。

## 1.2.1 过于乐观的那个夏天

1956 年的夏天，美国达特茅斯学院，几位年轻的科学家聚在了一起。他们包括后来的图灵奖得主麦卡锡、明斯基等人。正是这场会议，首次正式提出了 **“人工智能”**（Artificial Intelligence）这一术语。

他们开这个会的目的很单纯：用一个夏天的时间，解决“机器模拟智能”的问题。

是的，你没看错，**“一个夏天”**。

当时的科学家认为，智能无非就是逻辑推理。既然已经造出了能计算的机器，那让机器学会思考也只是时间问题。

这就像是一个刚学会走路的孩子，宣称自己下个月就要去跑马拉松。他们大大低估了“智能”的复杂性，也高估了当时计算机的能力。

这种盲目的乐观，直接导致了 AI 的第一场危机。

## 1.2.2 为什么会经历“寒冬”？

在 AI 的历史上，发生过两次著名的“寒冬”（Funding Winter）。

所谓寒冬，就是大家都觉得 AI 是骗人的，投资者撤资，政府停掉经费，科学家甚至不敢在简历上写自己是研究 AI 的。

为什么会这样？这可以用经济学里的 **“泡沫破裂”** 来解释。

当人们对一项技术的 **期望值**（Expectation），远远超过了它的 **实际能力**（Capability）时，灾难就不可避免。

* **第一次寒冬（70 年代）**：人们发现，那个年代的电脑连几句简单的俄语都翻译不通。
* **第二次寒冬（90 年代）**：昂贵的“专家系统”维护成本极高，却解决不了稍微变通一点的问题。

> \[!NOTE] **AI 战胜人类的三座里程碑**
>
> 回顾历史，AI 在特定领域超越人类的标志性事件同样让人印象深刻：
>
> * **1997 年**：“深蓝”（Deep Blue）战胜国际象棋世界冠军卡斯帕罗夫，主要依赖于 **强大的算力和穷举搜索**。
> * **2016 年**：“AlphaGo”战胜围棋世界冠军李世石，让大众首次见识到了 **深度学习与强化学习** 的巨大威力。
> * **2022 年起**：以 ChatGPT 为代表的大语言模型，则在 **自然语言理解和生成** 上达到了甚至超越了人类平均水平。

## 1.2.3 为什么这一轮更扎实？

直到 2012 年，深度学习（Deep Learning）爆发，AI 迎来了真正的春天。特别是 2022 年 ChatGPT 的发布，常被媒体称为 AI 的 **“iPhone 时刻”**。

而随后的多模态与智能体浪潮，更是将 AI 推向了全新的高度。

很多人问：这次会不会又是泡沫？

更稳妥的说法是：**与前两次相比，这一轮的基础条件更扎实，但仍可能出现周期波动。**

回顾历史，我们可以看到，这一次的爆发，是因为三个关键要素终于齐备了：

1. **算力（Chips）**：GPU/专用加速器持续迭代，训练与推理成本快速下降。
2. **数据（Data）**：互联网数据用完后，高质量的 **合成数据**（Synthetic Data，即 AI 为了训练自己而自动生成的“练习题”）接过了接力棒。
3. **算法（Algorithm）**：Transformer 架构依然稳健（其原理详见[第 5 章](/ai_beginner_guide/di-er-bu-fen-he-xin-ji-shu-jie-xi/05_deep_learning/5.3_architectures.md)），而“更擅长推理/规划”的新一代模型与方法，让机器学会了某种意义上的“慢思考”。

这就好比，以前你想做饭，要么缺米，要么缺锅。而现在，米有了，锅有了，食谱也有了，满汉全席自然就做出来了。

## 1.2.4 “iPhone 时刻”的真正含义

把 ChatGPT 比作 iPhone，不仅仅是因为它很火。

iPhone 最大的贡献，是把复杂的智能手机，变成了连三岁小孩都会用的设备（多点触控）。

ChatGPT 最大的贡献，是把复杂的 AI，变成了连老奶奶都会用的工具（自然语言交互）。

当一项技术，**使用门槛被大幅降低** 时，它就不再是少数人的技术，而更接近像水和电一样的基础设施。这才是“春天”真正到来的标志。

## 1.2.5 思考题

我们说这次 AI 爆发是因为“算力、数据、算法”三位一体。

请你思考一下，如果在未来，数据的获取变得更加困难（比如版权保护越来越严，或者高质量数据被用光了），AI 的发展会被锁死吗？还是会像当年克服算力瓶颈一样，出现新的突破？