7500美元，赌出了一场70年的AI革命
“自从 ChatGPT 在 2022 年发明了人工智能，世界就变了。”
“AI 才出来两三年，咱们得赶紧跟上。”
类似的话，你一定听过。甚至可能你自己也说过。
但我要告诉你一个事实：AI 不是两三年前才有的，它已经 70 岁了。
1956 年，人工智能就正式诞生了。那时候，计算机还占满整个房间，内存只有几千字节，连你现在手机的一张照片都存不下。但就是那样的年代，已经有人坐在一起讨论：怎么让机器像人一样思考了。
ChatGPT 不是 AI 的起点，它是这条路走了 70 年之后，终于被所有人看见的那个路口。
01 7500 美元的赌注
1955 年，一个叫约翰·麦卡锡的年轻数学家，拉上了明斯基、香农和罗切斯特，四个人联名向洛克菲勒基金会提交了一份提案。
提案的标题又长又直白：《关于人工智能的达特茅斯暑期研究项目提案》。 
这是人工智能（Artificial Intelligence）这个词，第一次出现在正式文件里。
麦卡锡在提案里写得很清楚：召集一批最聪明的年轻人，花一个夏天，集中攻克一个问题——让机器像人一样思考。
现在，想象你是洛克菲勒基金会的评审。桌上摆着这份提案：
- 申请人：一个没什么名气的年轻数学家
- 研究内容：让机器像人一样思考
- 学科状态：全新领域，没人做过
- 预期成果：不确定
- 申请金额：13500 美元——约等于当时一个美国家庭三年的收入，够买好几辆新车
你批不批？
基金会的答案是：批一半，给 7500 美元。
生物与医学研究主任莫里森在回信里说，大意是：这个领域从长远看很有挑战性，但目前还看不清楚，算是一次“适度的赌博”，现阶段没人愿意冒太大的风险。
说白了：想法有意思，但靠不靠谱谁知道，先给你一半试试水。
就是这 7500 美元，赌出了人工智能的起点。
02 改变世界的那群人
1956 年夏天，美国新罕布什尔州，达特茅斯学院。
核心参与者大约 10 人，会议持续了六到八周，期间不断有其他学者来来去去，前后参与讨论的有数十人。
但这 10 个核心人物，分量重得吓人——其中 4 人后来拿到了图灵奖。
图灵奖是什么？计算机领域的最高荣誉，从 1966 年开始颁发，60 多届下来也就 80 多位获奖者。而 1956 年那个夏天，一个小房间里就坐着 4 位未来的图灵奖得主。
会议间隙，他们在草坪上拍了一张合影。当时谁也没想到，这张照片会成为 AI 历史上最著名的影像之一。
他们看起来不像刻板印象里的科学家，倒更像一支初代 AI“复仇者联盟”——每个人都有自己的超能力：
后排左起：
奥利弗·塞尔弗里奇——模式识别的先驱，被称为“机器感知之父”。
纳撒尼尔·罗切斯特——IBM 701 的主设计师，IBM 第一台大规模量产的通用计算机就出自他手。
马文·明斯基——神经网络的开创者之一，“AI 之父”之一，1969 年获图灵奖。
约翰·麦卡锡——这次会议的发起人，LISP 语言的发明者，1971 年获图灵奖。
前排左起：
雷·所罗门诺夫——算法概率论和归纳推理的先驱，为机器学习奠定了理论基础。
克劳德·香农——信息论之父。你今天用的手机、WiFi、互联网，底层都站着他的理论。
（注：照片中前排第二人的身份，学术界至今仍有争议，有人认为是特伦查德·莫尔，也有人认为是彼得·米尔纳。）
会议持续数周，还有一些重要人物没出现在照片里： 
赫伯特·西蒙——认知科学创始人之一，提出“有限理性”理论，1975 年获图灵奖，1978 年又拿了诺贝尔经济学奖。
艾伦·纽厄尔——符号推理的奠基人，1975 年与西蒙共享图灵奖。
还有阿瑟·塞缪尔，他在 1959 年正式提出“机器学习”这个概念，用跳棋程序证明了机器可以自我学习。
看看这些人的背景：数学、神经科学、信息论、心理学、硬件工程……什么领域都有。
AI 从诞生的第一天起，就不是某个学科的独角戏，而是跨学科协作的产物。
70 年后依然如此。今天 AI 领域最前沿的突破，从来不是纯算法团队闭门造车做出来的，认知科学、神经科学、语言学缺一不可。真正的突破，永远长在学科的交叉地带。
03 一个大胆的名字，和四个还没实现的目标
人到齐了，会议开始。自然语言、神经网络、自动推理……什么都聊。
但有一件事必须先定下来：这个新领域，叫什么？
麦卡锡给出的名字是——人工智能（Artificial Intelligence）。
今天听来平平无奇，但放在 1956 年，这三个字极其冒犯。因为“智能”在当时是人类的专属标签，说机器有“智能”，跟说石头会思考差不多。
麦卡锡偏要这么叫。他要的就是这种冲击——直接挑战“智能属于人类”的固有认知。
提案中，他列出了 AI 要实现的四个目标：
- 让机器使用语言
- 让机器形成抽象和概念
- 让机器解决人类能解决的各种问题
- 让机器自我改善
70 年过去了。这四个目标，实现了几个？
AI 学会了说话，也学会了解题——写诗、写代码、下围棋、做调研，都不在话下。但离“什么都会”还差得远，深度社交、复杂决策、常识推理，AI 还在挣扎。离“自己变强”更远，今天的 AI 依然需要人类来训练、调优、纠偏。
70 年，进步巨大，但离麦卡锡的终极目标，还差最后一公里。
04 路线之争：谁赢了？
你可能觉得，AI 从一开始就是神经网络、就是深度学习，天经地义。
不是的。这条路曾经差点被判了死刑。
在达特茅斯会议上，关于“怎么让机器变智能”，分成了两派：
符号主义——麦卡锡和纽厄尔是代表。他们的思路是：把人类思维的规则用逻辑和符号写下来，机器按规则推理，就能思考。就像解数学题，一步步推导，最后得出答案。清晰、可解释、每一步都有据可查。
连接主义——核心思路是：别写规则了，模拟人脑。让机器通过大量神经元的连接和调整来自主学习。就像你学骑自行车，没人给你写规则手册，你摔了几次自然就会了。早期代表是罗森布拉特，他在 1957 年发明了感知器；后来的扛旗者是辛顿，他在 1986 年将反向传播算法成功应用于多层神经网络，2018 年获图灵奖。
两条路争了几十年。结果呢？
连接主义赢了。
今天的 AI——ChatGPT、AlphaGo、Midjourney——底层全是神经网络，全是连接主义的遗产。
但符号主义并没有输干净。知识图谱、专家系统、逻辑推理，这些符号主义的产物至今还在各行各业运转。
这件事本身就是一个教训：科学进步靠的不是达成共识，而是允许试错。 两条路都走了，才知道哪条通。最后的答案，往往不是“谁对谁错”，而是“怎么把对的拼在一起”。
05 那些大胆的预测，和一场白发重聚
达特茅斯会议之后，这群人信心爆棚，接连放出了惊人的预测：
西蒙说：20 年内，机器就能做人类能做的任何工作。
明斯基说：一代人之内，AI 问题就能基本解决。
麦卡锡更直接——1968 年他跟国际象棋大师 David Levy 打赌，说 10 年内程序就能赢他。结果 10 年到了，程序没赢，麦卡锡输了 500 英镑。
70 年后的今天，这些预测全部落空。他们的很多设想，到现在依然是设想。
2006 年，达特茅斯会议 50 周年。当年参会的幸存者回到了达特茅斯学院。曾经意气风发的年轻人，已经白发苍苍。
你可以想象那个画面——他们站在当年的会议室里，有人打趣：“当年说 20 年搞定，50 年了还没搞定。”大家笑了起来。
笑声里有自嘲，也有释然。因为这条路虽然远比预想的漫长，但确实在往前走。
达特茅斯会议上讨论的所有问题，归根到底，都指向一个人在 1950 年抛出的那个追问。
这个人没有出现在会议上。两年前（1954 年），他已经离开了这个世界。
他问的是：“机器能思考吗？”
他是谁？他为什么选择了那条路？他的问题如何塑造了 AI 的 70 年？
下一篇，讲他的故事。