# 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。

## 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？


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://yeasy.gitbook.io/ai_beginner_guide/di-yi-bu-fen-ai-ji-chu-ru-men/01_ai_intro/1.2_ai_history.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.