第一次AI寒冬：当梦想冻结

概述

大约在1974年至1980年间，人工智能经历了第一次重大危机——这段时期如今被称为第一次AI寒冬。政府资助大幅削减，研究项目被迫取消，1950至60年代的宏大承诺化为公众的普遍质疑。AI曾被寄予厚望，预计在一代人内匹敌人类智能，如今却似乎碰壁了。

“AI寒冬"一词是研究者们后来创造的，借鉴了"核冬天"的比喻：在一场乐观主义的爆炸性绽放之后，随之而来的是黑暗与寒冷。

多重因素同时作用：

1. 莱特希尔报告（1973年）：英国数学家詹姆斯·莱特希尔爵士受英国科学研究委员会委托，对AI研究现状进行评估。他得出的结论极具破坏性：AI在三个主要领域均未能兑现承诺——实际任务的自动化、机器人开发和语言理解。这份报告导致英国大多数AI研究项目失去资金。

2. DARPA的幻灭：自1960年代起，美国国防高级研究计划局一直是AI领域的主要资助方。然而，在长期过度承诺、成果欠佳之后——尤其是机器翻译，被证明远比预期困难——DARPA于1974年大幅削减了AI资助。

3. 早期AI的局限性：根本问题在于早期AI系统极度脆弱。它们只能处理具有狭窄、预定义约束的玩具问题。面对真实世界混乱、开放式的输入，它们束手无策。研究者们的错误不在于对AI可行性的判断，而在于低估了其难度。

4. 组合爆炸：随着AI问题规模稍微扩大，所需的计算资源就会呈指数级增长。1970年代的硬件根本无法跟上。

AI寒冬不仅是一场机构危机，更损害了许多人的职业前途与学术声誉。曾做出自信预言的研究者遭受嘲弄，资助机构对AI的说法深感疑虑。被坑过的集体记忆让未来的繁荣期更加谨慎——尽管仍不够谨慎，第二次AI寒冬将会证明这一点。

并非一切都冻结了。规模较小、目标集中的项目仍在继续：

第一次AI寒冬给出了一个关于技术炒作周期的永恒教训：一项技术的潜力与其当前能力之间的差距是真实存在的，过度夸大这种潜力会引发反弹，并可能让一个领域倒退数十年。

它还揭示了更深层的道理：智能，无论是生物的还是人工的，都难得令人咋舌。AI的先驱们之所以低估了它的复杂性，并非因为他们愚蠢，而是因为他们是最早真正直面这一复杂性的人。