人工智能1956年：达特茅斯会议与现代 AI 的诞生启示
1956年，在新罕布什尔州的达特茅斯学院（Dartmouth College），一群年轻而富有远见的科学家聚集在一起，举行了一场为期两个月的学术研讨会。在这场会议上，他们首次提出了 “人工智能”（Artificial Intelligence, AI） 这一概念。
这次被历史铭记的“达特茅斯会议”，不仅宣告了人工智能作为一门独立学科的诞生，也奠定了此后几十年人类在探索机器智能道路上的基本格局。
1. 达特茅斯会议的诞生背景
20世纪50年代中期，计算机刚刚问世不久。当时的先驱们已经意识到，这些能够快速进行数学计算的机器，或许拥有一项更为惊人的潜力——模拟人类的思维过程。
1955年，当时在达特茅斯学院任教的年轻数学家 约翰·麦卡锡（John McCarthy），联合了哈佛大学的 马文·明斯基（Marvin Minsky）、IBM公司的 纳撒尼尔·罗切斯特（Nathaniel Rochester） 以及贝尔实验室的 克劳德·香农（Claude Shannon），共同向洛克菲勒基金会提交了一份资助申请。
在申请书中，麦卡锡首次使用了 “Artificial Intelligence”（人工智能） 这一词汇。他写道：
“我们建议于1956年夏天在达特茅斯学院进行一次为期两个月、由10人参加的人工智能研究。研究的基本出发点是：学习的每一个方面，或者智能的任何其他特征，原则上都可以被精确地描述，以至于可以制造出一台机器来模拟它。”
洛克菲勒基金会最终批准了7500美元的资助，这场人类科技史上最伟大的“头脑风暴”就此拉开序幕。
2. 闪耀历史的 AI 奠基人“全家福”
参加达特茅斯会议的学者人数并不多，断断续续共有10余人参与，但其中的核心人物几乎个个都成为了后来计算机科学与认知科学领域的泰斗：
- 约翰·麦卡锡（John McCarthy）：会议的组织者，后来发明了 LISP 语言（至今仍是AI领域最重要的经典编程语言之一），提出了分时操作系统的概念，并于1971年获得图灵奖。
- 马文·明斯基（Marvin Minsky）：建构了最早的神经网络模拟器，后来创立了麻省理工学院（MIT）人工智能实验室，著有《心智社会》，于1969年获得图灵奖。
- 克劳德·香农（Claude Shannon）：信息论的奠基人，他用二进制逻辑分析电路的论文奠定了现代数字计算机的基石，在会议期间主要研究自动机理论。
- 赫伯特·西蒙（Herbert Simon）与艾伦·纽厄尔（Allen Newell）：他们带来了会议上最实质性的成果——“逻辑理论家”（Logic Theorist）程序。该程序成功证明了罗素《数学原理》中的38道数理逻辑定理，这被公认为是世界上第一个真正运行的 AI 程序。西蒙因在决策理论和AI方面的贡献，同时获得了诺贝尔经济学奖（1978）和图灵奖（1975）。
3. 会议的核心议题与技术争论
在为期两个月的讨论中，科学家们围绕如何实现机器智能提出了许多前瞻性的课题，包括：
- 自动计算机（Automatic Computers）：探讨如何突破硬件限制，进行非数值性计算。
- 如何使计算机使用语言（Language for Computers）：这也是现代自然语言处理（NLP）的源头。
- 神经网络（Neural Nets）：模拟人脑中神经元细胞的物理结构。明斯基在会议中展示了他关于神经网络的研究，但当时硬件的限制让这个学派很快陷入了低谷。
- 自我改进与学习（Self-Improvement）：机器如何通过获取新知识来改进自身的性能。
正是在达特茅斯会议期间，形成了 AI 历史上长达数十年的两大路线之争： * 符号主义（Symbolism / 逻辑派）：以麦卡锡、西蒙和纽厄尔为代表，主张通过符号演绎、逻辑推理和启发式搜索来实现智能。这在早期取得了巨大成功，催生了专家系统。 * 联结主义（Connectionism / 神经网络派）：以明斯基和罗森布拉特为代表，主张通过模拟人脑神经元的连接结构，通过概率和数学权重来拟合智能。这一路线虽然在当时因算力不足而沉寂，但几十年后，正是这一路线演化出的“深度学习”（Deep Learning）彻底改变了世界。
4. 达特茅斯会议对现代 AI 浪潮的启示
回看1956年那个炎热的夏天，达特茅斯会议给正在经历大模型与通用人工智能（AGI）浪潮的我们，留下了极其宝贵的历史启示：
启示一：算法、算力与数据的三足鼎立
在1956年，先驱们已经拥有了极其超前的算法直觉，但受限于真空管计算机极其微弱的算力，以及互联网未诞生时代极度匮乏的数据，AI 在随后的半个世纪里经历了两次漫长的寒冬。今天大模型的爆发，本质上是 70 年前符号逻辑与神经网络学派的理论，在现代GPU集群算力与全球互联网级海量数据下的终极兑现。
启示二：基础理论突破远比工程堆砌关键
达特茅斯会议之所以伟大，是因为它在混沌中确立了学科的定义、边界和终极目标。在当前人人追逐“Prompt工程”和“应用落地”的时代，我们更需要像 1956 年的先驱一样，去思索机器心智的本质、大模型的推理幻觉、可解释性 AI 等底层理论难题。
启示三：保持客观理性，防范“概念泡沫”
麦卡锡等人在会后曾乐观地认为，只需要一个夏天的努力，AI 的底层问题就能基本解决。然而事实是，人类花了 70 年才刚刚看到通用智能的曙光。在当前被资本热炒的 AI 浪潮中，从业者与研究者更应保持一份理性和冷静，踏实地解决实际的技术痛点，以防泡沫过度膨胀后再次迎来行业周期的“寒冬”。
1956 年的达特茅斯会议是一盏明灯。追溯历史，不仅是为了致敬先贤，更是为了让我们在面对日新月异的 AI 浪潮时，能多一份历史的厚重感和从容的定力。
