繁體中文
返回首頁

AI 寒冬

1970年代—1990年代 · 期待與現實的差距

第一次 AI 熱潮的消退來得比人們預想的更快。1970年代初期，AI 研究者們發現他們嚴重低估了實現智慧的難度。資金的減少、公眾期望的落差，使得 AI 陷入了被批評與質疑的漫長冬季。

這一時期可以分為兩個主要階段：1970—1980年代的第一次寒冬，以及1987—1993年的第二次寒冬。儘管如此，仍有一些重要的進展——專家系統的商業應用、連結主義的復興、以及 IBM 深藍擊敗西洋棋冠軍的里程碑時刻，都為 AI 的再次崛起埋下了伏筆。

值得注意的是，即使在寒冬期間，日本政府仍然堅持投資於第五代電腦項目，這體現了對 AI 長遠發展的信心。

重要里程碑

Minsky-Papert 批判

Marvin Minsky 和 Seymour Papert 出版《感知機》，嚴格分析了單層感知機能夠和不能表示的問題。該書後來常與神經網路研究興趣下降聯繫在一起，但當時的資金變化還受到算力限制、研究預期落空及政策調整等多重因素影響。

馬文·明斯基與西蒙·帕佩特

已核驗 來源： MIT Press 來源複核日期：

Prolog 語言誕生

Alain Colmerauer、Philippe Roussel 等人在馬賽開發了第一版 Prolog，將謂詞邏輯用於程式設計，推動了邏輯程式設計與符號人工智慧的發展。

Alain Colmerauer 與 Philippe Roussel

已核驗 來源： Inria 來源複核日期：

Lighthill 報告

英國科學家詹姆斯·萊特希爾向英國政府提交了一份關於 AI 研究狀況的報告。報告對 AI 的進展持悲觀態度，認為 AI 的承諾遠遠沒有實現。這導致英國政府大幅削減 AI 研究經費。

詹姆斯·萊特希爾 (1924—1998)

已核驗 來源： Chilton Computing / UK archive 來源複核日期：

框架理論

馬文·明斯基發表了《框架論文》，提出了框架（Frame）理論來表示知識。這一理論影響了後來的面向對象編程和知識表示方法。

馬文·明斯基

已核驗 來源： MIT DSpace 來源複核日期：

MYCIN 專家系統

史丹佛大學開發了 MYCIN，這是一個用於醫療診斷的專家系統，能夠根據患者的症狀和測試結果推薦抗生素治療方案。MYCIN 展示了專家系統的實用性，儘管由於責任問題從未實際用於臨床。

史丹佛大學

已核驗 來源： Computers and Biomedical Research / NIH archive 來源複核日期：

XCON 專家系統

DEC 公司部署了 XCON（eXpert CONfigurer），這是一個用於配置 VAX 電腦系統的專家系統。它於1978年在卡內基美隆大學開始研發，1979年首次部署，1980年全面投入使用，是最早在商業上取得成功的專家系統之一，每年為公司節省數百萬美元。

Digital Equipment Corporation

已核驗 來源： Artificial Intelligence 來源複核日期：

第一次 AI 寒冬

20世紀70年代，在批評性評估和經費削減之後，部分 AI 研究進入低谷。「第一次 AI 寒冬」是後來的歷史分期，不同國家和研究方向受到影響的時間與程度並不相同。

編輯解讀 來源： Chilton Computing / UK archive 來源複核日期：

日本第五代電腦

1981年10月，日本在 JIPDEC 與通產省主辦的會議上宣布了第五代電腦計畫（FGCS），這是一項為期10年的國家計畫，旨在開發能夠進行邏輯推理和知識處理的電腦。1982年4月，新世代電腦技術開發機構（ICOT）成立，計畫正式啟動。

日本通產省

已核驗 來源： Information Processing Society of Japan Computer Museum 來源複核日期：

反向傳播演算法

大衛·魯梅爾哈特、傑弗里·辛頓和羅納德·威廉姆斯發表了關於反向傳播演算法的論文。這種演算法使得訓練多層神經網路成為可能，復興了人們對神經網路研究的興趣。

大衛·魯梅爾哈特與傑弗里·辛頓

已核驗 來源： Nature 來源複核日期：

第二次 AI 寒冬開始

1980年代後期，遠超實際成果的期望紛紛落空。Lisp 機器廠商敗給了通用工作站，多家 AI 公司關閉，DARPA 對基礎 AI 研究的資助在1987年至1989年間下降。

AI 產業

編輯解讀 來源： Cambridge University Press 來源複核日期：

海灣戰爭中的 AI

在海灣戰爭中，美國軍方使用了基於 AI 的規劃和後勤系統。雖然這些系統並不完美，但展示了 AI 在現實世界中的應用潛力。

美國軍方

已核驗 來源： IEEE Intelligent Systems 來源複核日期：

第二次寒冬結束

這場低潮是逐漸緩解的，並沒有確切的結束日期。許多研究者轉向更務實、可實現的目標，而神經網路與機率方法研究的復興為新時代奠定了基礎。

編輯解讀 來源： Cambridge University Press 來源複核日期：

深藍擊敗卡斯帕羅夫

IBM 的深藍超級電腦在西洋棋比賽中擊敗了世界冠軍加里·卡斯帕羅夫。這是 AI 在規則明確領域的一次里程碑式勝利，展示了電腦在特定任務上超越人類的能力。

IBM 深藍

已核驗 來源： IBM 來源複核日期：

重要人物

傑弗里·辛頓

深度學習之父

辛頓是神經網路和深度學習領域的先驅。他在反向傳播、玻爾茲曼機、膠囊網路等方面做出了重要貢獻。即使在 AI 寒冬期間，他仍然堅持神經網路研究，最終在2018年獲得圖靈獎。

加里·卡斯帕羅夫

西洋棋冠軍

1997年，卡斯帕羅夫被 IBM 深藍擊敗。這一事件不僅展示了 AI 的能力，也引發了關於人類與機器關係的哲學思考。他後來成為了 AI 的積極倡導者。

詹姆斯·萊特希爾

AI 批評者

萊特希爾的報告對英國 AI 研究產生了深遠影響，導致了長達十年的經費削減。然而，他的批評也促使 AI 研究者更加務實。

凱倫·斯帕克·瓊斯

資訊檢索先驅

1972年，斯帕克·瓊斯在《Journal of Documentation》上提出逆文件頻率，按一個詞在整個文獻集合中出現的稀有程度來賦予權重。這一思想支撐了檢索排序，至今仍存在於各類檢索系統內部。她在 AI 經費最緊張的年代堅持在劍橋工作，並主張計算這件事太重要，不該只交給男性。

經典語錄

迄今為止，這個領域中沒有任何一部分的發現產生過當時所承諾的重大影響。

— 詹姆斯·萊特希爾

Artificial Intelligence: A General Survey · Science Research Council, 1973, §3 · Chilton Computing

深藍是不可辯駁的證據，證明機器能夠在複雜的認知任務上超越人類——這些任務長期以來被我們假定為發達大腦所獨有。

— 加里·卡斯帕羅夫

There’s No Shame in Losing to a Machine · Fortune, 2017

查看完整時間線