AI 寒冬
1970s-1990s · 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
马文·明斯基和西蒙·帕佩特发表了《感知机》一书，书中严格分析了单层感知机的局限性，并证明它无法解决非线性问题（如异或问题）。这本书导致对神经网络研究的资金大幅减少，AI寒冬正式开始。
马明·明斯基 & 西蒙·帕佩特
约翰·麦卡锡离职
约翰·麦卡锡离开MIT前往斯坦福大学任教。MIT AI实验室失去了它的创始人，标志着AI研究一个时代的结束。
约翰·麦卡锡
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 (1924-2012)
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
XCON 专家系统
DEC公司部署了XCON（eXpert CONfigurer）系统，这是一个用于配置VAX计算机系统的专家系统。XCON是第一个在商业上取得成功的专家系统，每年为公司节省数百万美元。
Digital Equipment Corporation
第一次AI寒冬
由于过度承诺和资金短缺，AI研究进入低谷。大量AI公司倒闭，AI成为一个几乎被人遗弃的领域。这一时期被称为"AI寒冬"。
日本第五代计算机
日本宣布了第五代计算机计划（FGCS），这是一个为期10年的项目，旨在开发能够进行逻辑推理和知识处理的计算机。该项目激发了全球对AI研究的重新关注。
日本通产省
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 & 杰弗里·辛顿
第二次AI寒冬开始
随着个人电脑的兴起，昂贵的Lisp机器市场急剧萎缩。许多AI公司倒闭，AI领域再次陷入困境。这一次寒冬持续到1990年代初期。
AI 产业
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
第二次寒冬结束
随着技术的成熟和商业应用的增加，AI开始走出寒冬。神经网络的复兴和统计方法的兴起为AI的新时代奠定了基础。
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
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。
经典语录
"人工智能的研究在1970年代陷入了困境，因为我们低估了实现智能的难度。"
— 马文·明斯基
"在AI的宏伟承诺与实际成就之间，存在着巨大的差距。"
— 詹姆斯·莱特希尔
"深蓝的胜利让我意识到，机器在某些领域已经超越了人类。"
— 加里·卡斯帕罗夫