chapter 00 / history · 序章 · 预计学习时间 45-60 分钟
人工智能不是一条直线冲向今天的。它经历了两次狂热的春天、两次彻骨的寒冬、几场路线战争（符号主义 vs 连接主义、规则 vs 学习），以及若干次「整个领域被一篇论文改写」的瞬间。理解这段历史不只是怀旧——每一次寒冬的成因（过度承诺）、每一次爆发的配方（算法×数据×算力同时就位），在今天依然在重演。
下面是一张可以无限拖动和缩放的画布。七条泳道对应 AI 的七条主线，圆点越大代表事件越重要。用滚轮把 2012-2026 那段放大看看——你会直观感受到「最近十年发生的事比前七十年加起来还多」是什么概念。
AI 的起点不是计算机科学，而是神经科学与逻辑学的联姻：1943 年 McCulloch 和 Pitts 证明神经元网络可以实现任意逻辑运算。1950 年图灵给出了「何为智能」的可操作判据。1956 年达特茅斯会议上「Artificial Intelligence」正式命名建科。
随后二十年，两条路线同时萌芽却命运迥异：符号主义（逻辑、搜索、规则）成为主流正统——下棋程序、定理证明器、ELIZA；连接主义（神经网络）则在 1957 年感知机的狂热后，被 1969 年 Minsky 的《Perceptrons》一书证明「单层网络连 XOR 都学不会」而打入冷宫。
80 年代 AI 靠专家系统重新拿到商业入场券：把人类专家的知识写成几千条 if-then 规则。XCON 每年为 DEC 省下数千万美元，日本启动「第五代计算机」计划，美国回应性投入——第二个春天。但规则库的维护成本随规模爆炸，泡沫在 1987 年后破裂，第二次寒冬来临。
真正的火种在冷宫里点燃：1986 年反向传播让多层网络可训练（直接回应了 1969 年的批判），1989 年 LeCun 的 CNN 开始读手写支票，1997 年 LSTM 解决了循环网络的梯度消失。连接主义者在无人喝彩的年代里把基础设施一块块垒好——Hinton、LeCun、Bengio 后来共享图灵奖，奖励的正是这段坐冷板凳的岁月。
两次寒冬教会了这个领域谦卑：别谈「智能」，先解决具体问题。SVM（1995）以漂亮的凸优化理论和小数据下的强悍表现统治学术界；随机森林、Boosting 把「群体智慧」工程化；机器学习悄悄进入垃圾邮件过滤、信用评分、搜索排序——AI 无处不在，只是没人叫它 AI。这一时期沉淀的方法论（训练/测试分离、交叉验证、正则化）是第 1 章刚学过的全部基本功。
同时，三个看似无关的事件在为引爆点蓄能：互联网积累了海量数据；李飞飞 2009 年发布 ImageNet；NVIDIA 的游戏显卡被发现极适合矩阵运算（2007 年 CUDA 发布）。算法、数据、算力——三要素即将齐备。
2012 年 9 月 30 日，AlexNet 在 ImageNet 竞赛上把错误率从 26.2% 砍到 15.3%。这个数字的冲击力在于断崖：往年冠军每年挤牙膏式地提升 1-2 个百分点。三年内，计算机视觉的所有子领域全部被 CNN 重写；2015 年 ResNet 在 ImageNet 上超过人类水平；2016 年 AlphaGo 的第 37 手让全世界——尤其是中国和韩国——直观看到了机器的「直觉」。
2017 年的《Attention Is All You Need》本来只是一篇机器翻译论文，却意外提供了一个完美适配 GPU 并行、且性能随规模平滑增长的通用架构。GPT 系列开始了一场豪赌：把同一个架构每代放大十倍、一百倍。2020 年 GPT-3（175B）证明赌对了——规模不仅带来量变，还涌现出「看几个例子就会做新任务」的质变能力。同年 Scaling Laws 论文把「砸算力买智能」变成可计算的工程决策。
2022 年 11 月 30 日 ChatGPT 上线。两个月一亿用户。此后的节奏你大概亲历过：GPT-4 与闭源化、LLaMA 与开源生态、多模态、o1/R1 的推理模型与「测试时计算」新维度、MCP 与工具生态、Agentic Coding 改写软件工程……时间轴在这里变得拥挤，不是错觉，而是这个领域真实的加速度。把时间轴拉到最右端：2026 年的前沿问题——长时程智能体、多智能体协作、可验证奖励的 RL——正是本课程第 8 章和第 11 章要深入的技术细节。
历史讲到这里，看一部纪录片正合适。DeepMind 官方的《AlphaGo》全片记录了 2016 年首尔对局——既是第四幕高潮的影像档案，也是理解「机器直觉」冲击力的最佳素材：