简体中文
返回首页

AI 寒冬

1970年代—1990年代 · 期待与现实的差距

第一次 AI 热潮的消退来得比人们预想的更快。1970年代初期，AI 研究者们发现他们严重低估了实现智能的难度。资金的减少、公众期望的落差，使得 AI 陷入了被批评与质疑的漫长冬季。

这一时期可以分为两个主要阶段：1970—1980年代的第一次寒冬，以及1987—1993年的第二次寒冬。尽管如此，仍有一些重要的进展——专家系统的商业应用、连接主义的复兴、以及 IBM 深蓝击败国际象棋冠军的里程碑时刻，都为 AI 的再次崛起埋下了伏笔。

值得注意的是，即使在寒冬期间，日本政府仍然坚持投资于第五代计算机项目，这体现了对 AI 长远发展的信心。

重要里程碑

Minsky-Papert 批判

Marvin Minsky 和 Seymour Papert 出版《感知机》，严格分析了单层感知机能够和不能表示的问题。该书后来常与神经网络研究兴趣下降联系在一起，但当时的资金变化还受到算力限制、研究预期落空及政策调整等多重因素影响。

马文·明斯基与西蒙·帕佩特

已核验 来源： MIT Press 来源复核日期：

Prolog 语言诞生

Alain Colmerauer 和 Philippe Roussel 等人在马赛开发了第一版 Prolog，将谓词逻辑用于编程，推动了逻辑编程与符号人工智能的发展。

Alain Colmerauer 与 Philippe Roussel

已核验 来源： Inria 来源复核日期：

Lighthill 报告

英国科学家詹姆斯·莱特希尔向英国政府提交了一份关于 AI 研究状况的报告。报告对 AI 的进展持悲观态度，认为 AI 的承诺远远没有实现。这导致英国政府大幅削减 AI 研究经费。

詹姆斯·莱特希尔 (1924—1998)

已核验 来源： Chilton Computing / UK archive 来源复核日期：

框架理论

马文·明斯基发表了《框架论文》，提出了框架（Frame）理论来表示知识。这一理论影响了后来的面向对象编程和知识表示方法。

马文·明斯基

已核验 来源： MIT DSpace 来源复核日期：

MYCIN 专家系统

斯坦福大学开发了 MYCIN，这是一个用于医疗诊断的专家系统，能够根据患者的症状和测试结果推荐抗生素治疗方案。MYCIN 展示了专家系统的实用性，尽管由于责任问题从未实际用于临床。

斯坦福大学

已核验 来源： Computers and Biomedical Research / NIH archive 来源复核日期：

XCON 专家系统

DEC 公司部署了 XCON（eXpert CONfigurer），这是一个用于配置 VAX 计算机系统的专家系统。它于1978年在卡内基梅隆大学开始研发，1979年首次部署，1980年全面投入使用，是最早在商业上取得成功的专家系统之一，每年为公司节省数百万美元。

Digital Equipment Corporation

已核验 来源： Artificial Intelligence 来源复核日期：

第一次 AI 寒冬

20世纪70年代，在批评性评估和经费削减之后，部分 AI 研究进入低谷。“第一次 AI 寒冬”是后来的历史分期，不同国家和研究方向受到影响的时间与程度并不相同。

编辑解读 来源： Chilton Computing / UK archive 来源复核日期：

日本第五代计算机

1981年10月，日本在 JIPDEC 与通产省主办的会议上宣布了第五代计算机计划（FGCS），这是一项为期10年的国家计划，旨在开发能够进行逻辑推理和知识处理的计算机。1982年4月，新一代计算机技术研究所（ICOT）成立，该计划正式启动。

日本通产省

已核验 来源： Information Processing Society of Japan Computer Museum 来源复核日期：

反向传播算法

大卫·鲁姆哈特、杰弗里·辛顿和罗纳德·威廉姆斯发表了关于反向传播算法的论文。这种算法使得训练多层神经网络成为可能，复兴了人们对神经网络研究的兴趣。

大卫·鲁姆哈特与杰弗里·辛顿

已核验 来源： Nature 来源复核日期：

第二次 AI 寒冬开始

1980年代后期，远超实际成果的期望纷纷落空。Lisp 机器厂商败给了通用工作站，多家 AI 公司关闭，DARPA 对基础 AI 研究的资助在1987年至1989年间下降。

AI 产业

编辑解读 来源： Cambridge University Press 来源复核日期：

海湾战争中的 AI

在海湾战争中，美国军方使用了基于 AI 的规划和后勤系统。虽然这些系统并不完美，但展示了 AI 在现实世界中的应用潜力。

美国军方

已核验 来源： IEEE Intelligent Systems 来源复核日期：

第二次寒冬结束

这场低潮是逐渐缓解的，并没有确切的结束日期。许多研究者转向更务实、可实现的目标，而神经网络与概率方法研究的复兴为新时代奠定了基础。

编辑解读 来源： Cambridge University Press 来源复核日期：

深蓝击败卡斯帕罗夫

IBM 的深蓝超级计算机在国际象棋比赛中击败了世界冠军加里·卡斯帕罗夫。这是 AI 在规则明确领域的一次里程碑式胜利，展示了计算机在特定任务上超越人类的能力。

IBM 深蓝

已核验 来源： IBM 来源复核日期：

重要人物

杰弗里·辛顿

深度学习之父

辛顿是神经网络和深度学习领域的先驱。他在反向传播、玻尔兹曼机、胶囊网络等方面做出了重要贡献。即使在 AI 寒冬期间，他仍然坚持神经网络研究，最终在2018年获得图灵奖。

加里·卡斯帕罗夫

国际象棋冠军

1997年，卡斯帕罗夫被 IBM 深蓝击败。这一事件不仅展示了 AI 的能力，也引发了关于人类与机器关系的哲学思考。他后来成为了 AI 的积极倡导者。

詹姆斯·莱特希尔

AI 批评者

莱特希尔的报告对英国 AI 研究产生了深远影响，导致了长达十年的经费削减。然而，他的批评也促使 AI 研究者更加务实。

卡伦·斯帕克·琼斯

信息检索先驱

1972年，斯帕克·琼斯在《Journal of Documentation》上提出逆文档频率，按一个词在整个文献集合中出现的稀有程度来赋予权重。这一思想支撑了检索排序，至今仍存在于各类检索系统内部。她在 AI 经费最紧张的年代坚持在剑桥工作，并主张计算这件事太重要，不该只交给男性。

经典语录

迄今为止，这一领域中没有任何一部分的发现产生过当时所承诺的重大影响。

— 詹姆斯·莱特希尔

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

深蓝是不可辩驳的证据，证明机器能够在复杂的认知任务上超越人类——这些任务长期以来被我们假定为发达大脑所独有。

— 加里·卡斯帕罗夫

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

查看完整时间线