AI 不是一夜爆红:从感知机之争到深度学习逆袭的 70 年人物史

AI 史不只有算法突破,更有天才之间的争执、坚守与遗憾。

原文标题:一本简史,讲透人工智能 70 年风云人物:天才反目、赌约打脸、孤独坚守,比算法更戳人的是人心

原文作者:图灵编辑部

冷月清谈:

文章以《人工智能简史(第3版)》为线索,梳理 AI 发展史中几组关键人物关系。罗森布拉特提出感知机,代表早期神经网络路线,却遭到明斯基等符号主义权威的强烈批评,导致相关研究长期遇冷,也推动了 AI 寒冬的形成。辛顿则在神经网络不被看好的年代坚持研究数十年,直到 2012 年深度学习在图像识别竞赛中取得突破,才让这一方向重回主流。文章还提到图灵与冯·诺依曼虽未真正合作,却分别从“机器能否思考”和“机器如何运行”两个层面奠定了人工智能的思想与硬件基础。全文强调,AI 史不仅是算法和模型的迭代,也是理念冲突、学术权力、个人坚持与时代机遇交织的历史。

怜星夜思:

1、如果当年神经网络没有被主流学界冷落,AI 会不会早几十年爆发?
2、学术权威的批评到底是在纠偏,还是可能压制创新?边界在哪里?
3、辛顿式的长期坚持值得学习,但普通研究者怎么区分“坚持真理”和“钻牛角尖”?
4、现在大模型这么火,我们会不会也正在低估某些“冷门路线”?

原文内容

人人都在聊 AI,可没人告诉你,这项改变世界的技术,藏着太多天才的爱恨与博弈。

没有一帆风顺的突破,只有理念相悖的对峙、无人理解的坚守、跨越生死的遗憾。

那些吵到面红耳赤的争论、不被看好的执念、隔空呼应的惺惺相惜,才是 AI 史最动人的底色。

今天,咱们就来聊聊 AI 史上三段意难平的人物纠葛,看懂他们,才算真的读懂人工智能。

一场赌约,耽误神经网络 30 年

明斯基 VS 罗森布拉特:权威与新锐的生死对峙

1960 年代,AI 刚诞生不久,两个天才就吵翻了天,直接让一项核心技术沉睡了半辈子。

年轻学者罗森布拉特,造出世界第一台感知机,坚信模拟人脑神经元,才是 AI 的未来。他的研究火遍学界,所有人都觉得,机器自主学习的时代要来了。

可学界泰斗明斯基,却狠狠泼了冷水。

他手握话语权,笃定「符号逻辑、推理演算才是 AI 正道」,公开炮轰感知机毫无用处,甚至写书断言:神经网络连简单问题都解决不了,注定走不通。

一边是意气风发的开拓者,一边是一言九鼎的权威。这场没有烟硝的战争,年轻的罗森布拉特输得彻底。

研究资金被砍,学界无人敢跟进,神经网络直接被打入冷宫,AI 迎来第一次寒冬。而他本人,也在郁郁中意外离世,没能等到自己的理论被认可。

直到半个世纪后,深度学习崛起,神经网络成为 AI 的核心技术,当年的批判成了笑谈。

可惜,罗森布拉特再也看不到了。

两位天才都想靠近真理,却因理念之差,让 AI 发展,白白慢了 30 年。

被全世界嘲笑 30 年,他终成「深度学习教父」

辛顿 VS 整个学界:孤独逆行者的逆风翻盘

如果说上一对是同辈之争,那辛顿,就是一个人对抗整个时代。

他从年轻时就死磕神经网络,可在那个年代,这项技术早已被贴上「伪科学」标签。

导师劝他转行,同行笑他固执,期刊拒发他的论文,连研究经费都申请不到。

所有人都说:「放弃吧,这条路根本走不通。」

可辛顿偏不!

他带着寥寥几个追随者,在无人问津的角落默默死磕,熬过 AI 最寒冷的几十年,看着身边人一个个放弃,他始终没松口:「大脑就是这么工作的,我不信做不出来。」

这一坚持,就是 30 年。

2012 年,辛顿团队用深度学习算法,碾压所有对手,拿下国际大赛冠军。

一夜之间,全世界哗然。

神经网络彻底复活,AI 第三次浪潮爆发,曾经的「异类」,成了当之无愧的「深度学习之父」。

他赢的不是同行,是自己不被理解的执念,是对真理永不妥协的坚守。

从未谋面,却联手缔造 AI 根基

图灵 VS 冯·诺依曼:跨越时空的天才默契

AI 史上还有一对特殊的「搭档」,他们从未见过面,却彼此成就,共同撑起了 AI 的最初模样。

图灵,提出「图灵测试」,第一次回答了「机器能不能思考」,从思想层面,给 AI 种下了灵魂。

冯·诺依曼,搭建现代计算机架构,解决了「机器如何运行」,从硬件层面,给 AI 打造了躯体。

一个负责构想未来,一个负责实现落地。

他们隔空欣赏,彼此认可,却终究没能相逢。

图灵英年早逝,没等到 AI 萌芽;冯·诺依曼病逝,没见证智能崛起。可他们的思想,穿越时空,合二为一,才有了如今 AI 的万丈光芒。

没有思想,AI 只是冰冷机器;没有架构,AI 只是空想。

这对从未谋面的搭档,用最默契的方式,开启了整个智能时代。

结语

AI 百年,从来不是冰冷的技术迭代,而是一群天才用一生写就的故事。

有争执,有遗憾,有孤独,有坚守,正是这些人间烟火,才让 AI 史有了温度。

我们如今随手用的 AI 工具,背后都是他们未完成的梦、赌输的局、不死的坚持。

想真正看懂 AI,别只追热点,先读懂这些人。《人工智能简史(第3版)》,把这些天才的恩怨、坚守与传奇,全都写进书里。

没有晦涩公式,只有有血有肉的故事,带你看清 AI 从诞生到爆发的全部过往。

与其跟风谈 AI,不如读懂它的前世今生。

《人工智能简史(第3版)》

尼克 | 著

畅销 10 万册,人工智能专家尼克经典之作,全景式解读人工智能,作者以人工智能 70 年的发展为线索,串联起 15 个核心主题与 200 多位重要学者的思想,将人工智能从技术问题延展为一场关于认知与文明的讨论。

书中既有计算理论的底层分析,也有哲学层面的深入追问,在专业性与可读性之间取得平衡。同时,基于大量文献与访谈构建的史料体系,使整本书具备难得的厚重感与可靠性。

在一个被最新模型、最强能力不断刷新认知的时代,回头看历史,也许不是为了怀旧,而是为了获得一种更清醒的判断:“当你知道一项技术从哪里来,你才更有可能看清它会走向哪里。”

评论区聊聊你最佩服哪位 AI 先驱吧~随机掉落图书盲盒 1 个。

关于“AI 会不会早几十年爆发”,我觉得会早一点,但不会早太多。科研方向被打压肯定影响很大,人才和经费都会流走。但深度学习真正起飞靠的是三件套:数据、算力、算法。前两样当时都不成熟,所以最多是提前铺路,不太可能直接进入 ChatGPT 时代。

1 个赞

说到权威压制创新,我感觉科研圈也有点像游戏版本更新。老玩家经验多,能告诉你哪些坑别踩;但老玩家也可能太熟悉旧版本,看到新打法就说“这不正经”。所以最好的状态是:可以喷,但别把服务器关了。

2 个赞

我想回应“学术权威是在纠偏还是压制创新”:两者都可能发生。严厉批评本身不是问题,问题在于批评之后是否还允许别人继续试错。如果一种观点因为权威反对就拿不到经费、发不了论文,那就不只是学术争论,而是资源分配上的封杀了。

2 个赞

大模型现在像顶流明星,流量太大,其他方向都像十八线。但十八线不代表没实力,说不定下一季就翻红。尤其机器人、边缘端 AI、可解释 AI 这些方向,可能没那么会讲故事,但实际需求很硬。

2 个赞

这个问题有点像问:如果诸葛亮有高铁,北伐能不能成功。路线对了当然重要,但装备也得跟上。罗森布拉特的方向后来证明很有价值,可当时的硬件条件确实撑不起太复杂的网络。冷落是遗憾,但不是唯一原因。

2 个赞

我回答“神经网络如果没被冷落会不会早爆发”这个问题:不一定。算法路线是一回事,算力、数据、工程体系是另一回事。就算 70 年代大家都支持神经网络,没有 GPU、没有互联网级数据,也很难出现今天这种大模型浪潮。可能会少走一些弯路,但未必能提前几十年。

2 个赞

这个问题挺现实。普通人很难像辛顿那样赌 30 年,所以更可行的是阶段性评估:理论上是否自洽?有没有小规模证据?外部条件是否在变好?有没有同行能提出建设性批评?坚持不是闭眼硬扛,而是边走边修正。

2 个赞