很多人把2022年11月当成人工智能的起点。ChatGPT上线两个月用户破亿，这个速度确实容易让人产生这种错觉。但如果稍微往前翻一翻，会发现“人工智能”这个词已经存在快七十年了。这七十年里，这个领域不是一路向上，而是两度跌进低谷，两次都差点被全世界放弃。今天那些关于AI的狂热想象和末日恐惧，几乎都能在历史里找到相似的版本。理解这段历史，比看任何教程都重要。

1956年夏天，十几个人聚在美国新罕布什尔州一所学院。会开了两个月，讨论的问题今天听起来仍然不轻松：能不能让机器像人一样思考。没有代码，没有演示，也没有可以拿出手的原型。会议结束前，他们给这个尚未成形的研究方向取了一个名字——Artificial Intelligence，人工智能，简称AI。提议者叫约翰·麦卡锡。

今天AI这个词出现在各种产品和公司的名称里，已经普通得像水电一样。但在当年，一个名字的分量远远超过它的字面意思。一个领域能不能被正式命名，往往决定了它能不能进入学术目录，能不能申请经费，能不能让最聪明的那批年轻人愿意投入时间。很多早期的研究方向就是因为没有一个清晰的名称，最终被拆散到各个学科，慢慢消失。AI没有散掉，部分原因就是它在那个夏天被固定下来了。

在场的十几个人里，后来有一半左右成为这个领域的核心人物。这件事或许不是巧合。愿意花两个月时间讨论“机器能否思考”的人，本身就带着一种不常见的执念。而“人工智能”这个词，给了这种执念一个可以持续投注的对象。一个名字看起来不起眼，但它能改变后续几十年的资源流向。当时的计算机还很笨重，算力和存储都极其有限，但这十几个人已经在讨论思维能否被复制。这种错位本身就有意思：他们在硬件远未成熟的时候，先把问题提出来了。

名字一旦确立，钱就跟着来了。1960年代到70年代，政府和企业在AI上投了很多钱。那时的主流思路是专家系统：把人类专家的知识整理成一条条规则，装进机器，让它像专家一样回答问题。理论上很动人。实际操作起来，代价惊人。

一个领域要装进机器，可能需要几十个专家花好几年时间，把知识逐条转写成机器能执行的规则。而且这绝不是一次性完工。规则之间会互相冲突，新的知识不断出现，旧规则很快过时。等一套系统勉强能用，它依赖的规则可能已经需要重写。更深层的问题在于，人类很多知识是无法显式表达出来的。专家不一定能说清楚自己到底是怎么做出判断的。你让他写规则，他能写出一部分，但写不全，写出来的那些也未必稳定。维护成本像滚雪球一样涨上去，最后没有任何机构愿意继续负担。

七十年代末，政府撤资，企业撤资。做AI的人开始转行，去做数据库，做操作系统，或者干脆离开学术。第一次寒冬不是某个人能力不行，而是整个方向在经济上走不通。不是没人想做，而是没人付得起。这个区别很重要。技术上的可能性还在，但支持它活下去的钱断了。

第二次寒冬始于一场看似辉煌的胜利。1997年，IBM的深蓝击败了国际象棋世界冠军卡斯帕罗夫。全球媒体都在报道，很多人说AI的时代来了。但热闹很快过去。人们发现，深蓝除了下棋，什么都不会。你问它今天天气怎么样，它答不上来。它不是一台聪明的机器，只是一台专门为国际象棋定制的、极其昂贵的、不能做其他事情的计算器。

这种专用性几乎是致命的。深蓝的胜利更像一场表演性的胜利。公众看到的是棋局，投资人看到的是成本。赢棋的能力无法迁移到其他任务上，每换一个领域就要从头再来。它不是不够强，而是强得太窄。投资人开始意识到，这类技术很难变成可以赚钱的产品。它赢得了世界冠军，却没有给日常生活带来任何改变。AI公司一家接一家倒闭。第二次寒冬来了。

这一次比第一次更冷。第一次寒冬之后，人们至少还愿意给这个领域另一次机会。第二次寒冬发生在全世界已经见过“AI胜利”之后。胜利没有带来实用价值，这种失望比单纯的技术停滞更伤人。两次失望叠加，让“人工智能”在很长一段时间里成了不太被认真对待的词。

真正的转折发生在2012年，而且几乎没有进入公众视野。多伦多大学一个叫AlexNet的程序参加了全球图像识别比赛，比赛内容是让机器看图片并判断图片里有什么。AlexNet的准确率一夜之间翻倍，把第二名远远甩开。这个结果在学术圈内部引起了震动：神经网络这条路，可能真的走得通。

这里需要稍微停一下。神经网络并不是2012年才有的新概念，但在很长时间里，它没有被当成主流路线。AlexNet的突破让一些人重新评估这个方向。翻倍不是小改进，它说明在足够数据和算力下，深度网络可以自己学到特征，而不需要人工设计。但公众不知道。2012年，如果你跟一个非技术背景的人提起AlexNet，对方大概率没听过。这很正常。从实验室里的算法到每个人都能打开网页使用的产品，中间还有很长的路。

2017年，Google发表了一篇论文，提出一种叫Transformer的架构。普通人依然不会注意，但研究者注意到了。这篇论文后来被证明是关键的一块拼图。它没有立刻变成产品，却改变了很多后续工作的基础。

五年后，2022年11月，OpenAI把ChatGPT放到了公开网页上。不需要安装，不需要教程，打开就能对话。五个晚上，一百万用户。两个月，用户数突破一亿。这个速度在消费互联网历史上极其罕见。很多人就是在这个时候才第一次意识到AI的存在。

但把时间线收拢来看，从1956年的命名，到2012年的图像识别突破，再到2017年的架构论文，七十年里的弯路和试错，在最后五年被压缩成了一次爆发。AI不是一夜冒出来的，是几代人反复折腾出来的。每次人们都觉得“这次真的行了”，然后又跌回谷底。只不过这一次，它没有跌回去，而是被接住了。

理解这段历史有什么用？

用处在于，你不会再被那些极端的说法轻易带走。有人说AI马上要取代人类，有人说AI就是泡沫。这两种说法都太轻巧，也都离事实很远。事实在中间：AI既不是神迹，也不是末日。它是一项工程，是几代人一次次失败之后试出来的活路。它走得慢，但一直在走。

从1956年那个夏天开始，人工智能就一直在经历循环：期望被拉高，资金涌入，遇到瓶颈，资金撤离，然后再有新的技术路径出现。这个循环并不漂亮，甚至有些残酷。但正是这些反复，让这个领域没有在两次寒冬里彻底死掉。每一次低谷都没有完全归零，而是留下了一些人、一些代码和一些想法，等着下一次机会。

今天人们对AI的态度也在这个循环里。狂热的人把它当成新时代的信仰，恐惧的人把它当成即将失控的机器。但历史显示，技术本身很少按照极端叙事的方式发展。它更可能以工程的方式推进：慢，不完美，有时停滞，有时突然加速。

七十年弯路被五年走完，这句话听起来像奇迹，但它真正的意思是：没有前面那些弯路，就不会有最后那五年。每一次失败都在排除错误的路径，每一次低谷都在筛选真正愿意留下的人。这个领域从来不是靠某个天才的一夜顿悟，而是靠很多人在很长时间里反复试错，才走到今天。

下一次再有人用“取代人类”吓你，或者用“泡沫”敷衍你，你可以笑一下。你不需要反驳，因为你已经知道，这两句话都不足以概括一段七十年的历史。事实比它们复杂，也比它们踏实。