历史上的AI之冬，以及留给今天的启示

但如果暂时放下对人工智能的美好想象，坐下来平心静气的观察一下人工智能的历史，却可能产生不少另类的结论：

比如人工智能并不怎么前沿和未来，事实上人工智能比大部分我们日常生活中用到的科技都要“老气横秋”。从图灵上世纪40年代提出现代人工智能概念，到1956年达特茅斯学院的一次会议上诞生第一个人工智能程序，人工智能这东西至少已经是60岁高龄的“爷爷级”技术。

而且人工智能改变生活，代替人类工作也不是什么新鲜论调，这种说法在几十年里被反复抛出…结果呢，直到今天也没出现。

回顾这六十年，AI的发展绝不是一帆风顺的。尤其是两次堪称具有毁灭意义的，被广泛承认的AI之冬，很大程度上将学界伸入现实的AI产业进行了清零。

所以在AI火爆的今天，重新回顾这两次堪称产业灾难的事件很有意义。尤其当我们发现，今天的很多画面都只不过是场景重现的时候……

第一次AI之冬：美好憧憬抵不过一场暴风雪

时间轴回到上世纪60年代。其实很多我们在今天认为是AI核心的技术方案，那个时候都已经被提出。比如神经网络的构想，比如机器学习领域的很多基础算法。但在当时，这些都是“旁门左道”，真正占领AI话语制高点的是逻辑理论。

自从1956年被提出之后，应用逻辑理论的人工智能程序在20年间不断获得举世瞩目的成就。比如在国际跳棋比赛中战胜人类选手、自己解决代数问题等等，当时带来的社会冲击，想来跟我们今天看AI下围棋、AI与人聊天一样震撼。

1959年约翰·麦卡锡发表论文阐述了完整的AI系统。之后AI机器人开始进驻工业生产线，甚至出现了能完成自然语言处理的AI程序。

更重要的是，由于当时的国际政治秩序，美国为首的西方国家大量动用国防开支来支持人工智能研发，各种实验室和AI企业拔地而起。就在当时，已经有科学家预言70年代机器人将彻底取代人类工作，也有科学家和社会名流认为AI将毁灭人类——是的，一切都和今天如此相似。

但这次持续20年的AI第一次繁荣期，却在1974年画上了句号。

其主要原因，还是逻辑理论下的AI系统难以工程化。纸上谈兵的AI太多，但耗费了巨额资金和漫长等待后，依然没有能成为实物、带来实际价值的AI系统。

就在人们开始逐渐放弃对AI的幻想时，最后一根导火索被点燃了：应用数学领域的大师，詹姆斯·莱特希尔爵士在给英国科学研究委员会所做的报告中，用详尽的数据和调查结果狠狠批判了AI产业的发展现状，并且断言“人工智能研究没有带来任何重要影响。”

这场带来AI之冬的报告，引发了西方各国政府大幅度削减AI研究经费，林立的实验室接连破灭。第一次AI繁荣时期的主角逻辑理论也至今埋没在历史的尘埃中，难以与机器学习、神经网络等后辈相抗衡。

第二次AI之冬：计算机的悲喜三重奏

好在进入80年代，不安分AI又开始了蠢蠢欲动。

相比于60年代作为军备竞赛产物的AI，80年代的AI是因为商业化前景迎来了又一次集体兴奋。

这次利好消息也是来自多方面的。首先在学界，机器学习开始取代逻辑理论成为主流。而反向传播算法为代表的多层神经网络被研发成功，成为了直到今天都影响AI界的大事。由于多层神经网络的自我排错性和兼容性良好，带来了AI逼近通用的新希望。

（多层神经网络逻辑示例）

而在产业方面同样传来了利好消息：1975年第一台LISP计算机研制成功，到了80年代，这种广泛被看好可以实现自然语言处理、知识工程、工业分析的计算机类型，成为了商业追逐的风口。据统计，到80年代中期美国已经有100家以上的LISP公司，这在当年可谓新兴产业中的翘楚。

另一方面，是1981年工业部开始了第五代计算机项目研究。这在当时日本经济腾飞的大背景下受到了全世界的广泛关注，美英等国也处于战略考虑重新开始自主AI计算机发展。

多方面的利好加持下，AI又一次来到了舞台中央。但这次快速登场等来的却是更快速的谢幕。

第二次AI之冬并没有一个标志性的事件作为开启。但1987年是一个被广泛认同的时间节点。这一年华尔街大崩溃，全球范围内迎来了史无前例的金融危机。而LISP机产业也裹挟其中，由于LISP的真实应用场景欠奉，危机中的资本界很快失去了耐心，泡沫急速破碎，相关公司近乎全线破产，AI又一次成为了欺骗与失望的代名词。

当然，这次AI之冬非常漫长的原因在于90年代个人计算机时代正式到来。原本已经对AI计算机失去耐心的人们瞬间被PC这个大怪兽圈粉——之后的故事我们都知道，AI陷入了史无前例的长眠，直到近几年又一次苏醒。

纵观整个第二次AI之冬，它由日本的第五代计算机计划开启，被LISP计算机的泡沫点燃，最终被个人计算机时代到来给彻底坐实。三种计算机的三种命运，写成了AI的几十年运数，想想也是怪有意思的。

AI之冬的总结与教训

如今的AI再繁荣，就像前两次一样，都是由几大利好消息作为核心支撑产生了。

首先是深度学习的崛起让业界看到了全新希望，其次移动芯片等计算系统硬件的飞跃，也让AI需要的庞大运算力成为可能。

但更关键的是大数据时代的到来，让训练AI必须的数据不再遥不可及。这也是AI最大的利好消息，以至于让学界和商界不那么担忧“第三次AI之冬”。

但纵观前两次AI的劫难，不难发现AI产业的兴衰是有规律的。总结这些规律，可以认为AI有三点特征始终没有改变。

第一、AI是经济兴奋的造物。每一次AI潮的爆发和冷却，都是由没有被完全验证的技术利好，引发各领域的全线疯狂。但当技术利好最终被证明无效的时候，产业寒冬就会无情爆发。

第二、AI是国家战略的附庸。历史和今天都证明了，每一次AI崛起都离不开国家间的技术博弈。因为AI本身具有的经济和军事变革想象力实在过于巨大。主流大国都不会坐视对手独自发展这一技术。但如果一旦国家战略转向，AI的情景就将十分危险。

第三、AI有可能被其他技术赶超并替代。我们都以为AI将彻底取代家用计算机，殊不知真实的历史恰好相反。当我们以为AI就是唯一未来的时候，市场往往会有其他看起来“不那么聪明”的技术出来搅局，用铁一样的数据证明谁才是老大。

这三点可以说是AI产业被反复验证的规律，也是两次AI之冬留下的宝贵经验。如果我们认同这些常识，或许可以从中得到一些教训，用以避免灾难——或者至少在灾难中自保。

首先，我们要承认AI的产业破坏力是惊人的。历次AI之冬的深层诱因，都很难离开学界、商界和政府普遍都希望AI是一种锦上添花的附加技术。而不愿意将AI视作现有技术和工业体系的颠覆者。但AI这种东西确实从出发点就与传统计算机科学极为不同，如果不愿意以打破既有利益格局为代价，全面拥抱AI，最后的结果恐怕会是畏首畏尾，重新导致AI产品在实践中寸步难行，变成一个AI来了又走的恶性闭环。

其次，无论是创业还是资本注入，都应该避免赌博式投注。事实已经证明AI很难成为迅猛的风口，进入AI界必须忍受技术原型、实验模型、商用产品三者之间漫长的时间差。另外AI在历史上已经很多次创造了畸形生长的伪风口，这都是市场过分期待AI马上变现带来的恶果，最后泡沫破裂，自食其果的只能是AI从业者自己。

最后，如果认同AI是一个很可能反复，甚至重新进入冬天的技术领域，那么学界、商界和政府应该各自有一套取舍和保存火种的机制。AI不应在盛夏被捧得过高，也不应在寒冬被一棍子打死。只有确保自己的每一步都从AI中收益，并帮助行业整体良性发展，AI之冬的损伤才能降到最低。