第1章 · AI简史与必知过时技术

AI 不是一夜之间出现的。从 1956 年到今天，经历了三次浪潮、两次寒冬。这一章不讲算法细节，讲历史脉络——每个时代的核心思想是什么、为什么兴起、为什么倒下，以及哪些已经过时的技术你不需要学，但需要知道它们存在过。

生活比喻：AI 的发展史像一个人的成长——小时候只会背规则，大人说”见到长辈要问好”就照做（符号主义，人写规则）；青春期开始从经验中学习，被烫过一次就知道不碰热水（连接主义，从数据中学）；成年后有了足够的阅历和资源，才真正爆发出能力（深度学习，大数据+大算力）。每次成长都会撞上瓶颈，但每次突破都站上了新高度。

读完这一章，你会对 AI 70 年的起伏有一个清晰的时间轴，并且能识别那些「面试会被问到但工作中不需要用」的经典技术。

本章目录

参考表格

三次浪潮对比总览

浪潮	时间	核心理念	驱动力	瓶颈	留下的遗产
第一次：符号主义	1956—1974	智能=逻辑推理，人写规则让机器推理	政府资助（DARPA）、学术热情	规则无法穷举真实世界，组合爆炸（if-then 规则数量指数级增长）	Lisp 语言、知识表示、搜索算法（A* 算法至今仍是路径规划的基础）
第二次：连接主义	1986—2012	不写规则，让机器从数据里自己学	反向传播算法、统计学习理论成熟	算法复杂度跟不上数据规模；SVM 的 O(n²) 在大数据下崩溃	反向传播算法、CNN 原型（LeNet）、分布式表征思想
第三次：深度学习	2012—至今	不写规则，让机器从数据里自己学（延续连接主义）+ 大数据+大算力	大数据（互联网产生海量标注数据）+ 大算力（GPU 集群）+ 老算法（CNN/Transformer 终于等到足够数据和算力）	数据需求大（小样本场景仍然困难）、可解释性差、能耗高	Transformer 架构、预训练范式、Scaling Law（模型越大效果越好）

贯穿三次浪潮的规律：每次浪潮的兴起都是因为「找到了一个能 work 的范式」，每次寒冬都是因为「那个范式遇到了天花板」。符号主义的天花板是规则写不完，连接主义的天花板是算力和数据不够，深度学习的天花板是什么——这个问题在 2026 年仍然悬而未决。

五个你今天不需要学的技术

技术	时代	为什么不需要学了
专家系统	1970s—1980s	规则驱动，被数据驱动替代
SVM	1990s—2010s	深度学习在大数据上全面碾压
HMM	1990s—2010s	Transformer 在序列建模上完全替代
决策树（单独使用）	1980s—2000s	被 XGBoost / 随机森林替代，但仍需理解概念
传统计算机视觉（SIFT、HOG）	2000s—2015	被 CNN 端到端替代

但你需要知道这些名字——读老论文时会遇到，面试时可能被问到。

关键转折点年表

年份	事件	意义
1956	达特茅斯会议	AI 诞生
1969	Minsky & Papert 出版《感知机》	第一次寒冬的导火索之一
1973	Lighthill 报告发布	英国政府撤资，第一次寒冬正式开始
1986	反向传播算法普及（Rumelhart, Hinton & Williams）	连接主义崛起
1992	日本第五代计算机项目失败	第二次寒冬
1997	IBM 深蓝击败国际象棋冠军	AI 第一次在智力游戏上超越人类
2012	AlexNet 赢得 ImageNet	深度学习时代开启
2014	GAN（生成对抗网络）提出	AI 能生成逼真图像
2017	Transformer 论文发表	现代 AI 的基石
2020	GPT-3 发布	大语言模型时代开启
2022	ChatGPT 发布	AI 走入普通人的生活

timeline
    title AI 发展简史
    1956 : 达特茅斯会议 : AI诞生
    1969 : 《感知机》出版 : 第一次寒冬前奏
    1986 : 反向传播 : 连接主义复兴
    1997 : 深蓝击败卡斯帕罗夫
    2012 : AlexNet : 深度学习革命
    2017 : Transformer 论文
    2022 : ChatGPT 发布
    2025 : GPT-5 : DeepSeek-R1
    2026 : Agent 时代 : 多模态融合

跨章节关联

第2章 · Python 与数据科学生态 — AI 简史之后：从理论到工具
第4章 · 机器学习核心算法 — 符号主义到连接主义：机器学习的诞生
第22章 · 2026 AI 技术全景 — 2026 年格局的全景视图

来源

Russell & Norvig, “Artificial Intelligence: A Modern Approach”, 4th ed., 2020, Pearson
McCarthy, Minsky, Rochester, Shannon, “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”, 1955
McCorduck, P., “Machines Who Think”, 2004, A.K. Peters
Minsky, M., Papert, S., “Perceptrons”, 1969, MIT Press
Lighthill, J., “Artificial Intelligence: A General Survey”, 1973, Science Research Council
Rumelhart, D.E., Hinton, G.E., Williams, R.J., “Learning Representations by Back-Propagating Errors”, 1986, Nature
Krizhevsky, A., Sutskever, I., Hinton, G.E., “ImageNet Classification with Deep Convolutional Neural Networks”, 2012, NeurIPS
Vaswani, A. et al., “Attention Is All You Need”, 2017, NeurIPS
Newquist, H.P., “The Brain Makers”, 1994, Sams Publishing