第二幕 / 梦想遇到了现实
梦想为什么经历寒冬
实验室里的成功，遇上了复杂世界、有限算力与过高的期待。
本篇目录 ＋
一座迷宫，每经过一个路口都会出现几条新路。往前看一步似乎容易，往前看很多步，等待检查的路线就可能多得惊人。
知道规则，也可能算不完
早期AI常常在边界清楚的小问题上表现出色。但随着问题规模扩大，可能性快速增加，搜索难以承受。这种“组合爆炸”说明：知道怎样描述问题，与能够在有限时间里解决问题，是不同的事情。
同样，一段精心准备的翻译演示，不等于系统能够处理真实文件里的歧义、背景知识与复杂表达。实验的条件一旦改变，原来的办法可能不再有效。[1][2]
期待与投入开始改变
1966年的ALPAC报告审视了机器翻译的实际进展与价值。1973年，英国的莱特希尔报告批评当时AI的若干方向。这些讨论与研究支持的变化，共同构成了人们后来所说的“寒冬”背景。
但世界各地没有在某一天一起停止研究。不同国家、机构和路线受到的影响不同。用“寒冬”概括一个阶段很方便，继续追问哪些人、哪些工作受到了影响，历史才会清楚。[3][2][1]
热潮会退去，问题还在
1980年代，专家系统带来新的商业热情；随后维护成本、适用范围和市场变化，又让部分期待落空。通常所说的第二次寒冬，包含这些商业与技术因素。
失望没有让所有积累消失。概率方法、神经网络、语音识别和其他应用仍然发展。后来的一些突破，依赖的正是在热度较低时继续完成的工作。[1]
留给你的一个问题
看到一段令人惊叹的AI演示，你最想了解它在哪些条件下会失败？
一本书导致了整个领域停滞吗？
明斯基与帕普特的《感知机》讨论了特定模型的表达局限。把它简化成“证明一切神经网络无用”，会混淆结论的范围。
研究路线的兴衰还与资金、硬件、方法、人才和时代期待相关。技术史很少能由一位人物或一本书完整解释。
本篇来源
沿着原始资料，继续了解故事。团队发布与回顾代表发布者提供的记录。
- 机构史料 · Stanford AI100Appendix I: A Short History of AI ↗
- 机构史料 · James Lighthill／University of Edinburgh档案Artificial Intelligence: A General Survey；1973年相关讨论档案 ↗
- 研究论文与原著 · National Research Council／ALPACLanguage and Machines: Computers in Translation and Linguistics ↗
整理于2026年9月16日