达特茅斯之后的七十年？设想与现实的距离

AI 这个学科的名字来自 1956 年夏天的一次研讨会（见达特茅斯会议一篇，学科命名经过见AI 一词的由来一篇）。当年那份提案里列了一张设想清单，七十年过去，清单上的事各自走到哪一步，值得逐项摆开看。这篇只对照公开文献里的设想与今天的公开进展，不替设想打分。

一次为期两个月的研讨会

公开文献记载的规模并不大：提案由四位学者署名，计划用一个夏天组织十来位与会者，围绕一批议题共同研讨。议题按公开提案归纳大致有六件：自动计算机、计算机如何使用语言、神经网络、自我改进、抽象、随机性与创造力。会议本身没有产出惊人的成果，但它把分散的研究拧成了一个领域，此后七十年的故事都从这份清单上展开。

清单逐项对照

把六件设想与今天的公开进展并排放：

设想与今天对照速查

• 自动计算机：早已普及，算力规模远超当年设想
• 机器用语言：对话产品进入日常，设想大体可见
• 神经网络：一度受挫后成为今天模型的主干
• 自我改进：从反馈中学习常见，开放式自我改进仍是公开研究议题
• 抽象：模型能归纳模式，抽象能力的边界公开讨论仍在继续
• 随机性与创造力：生成模型能产出新文本新图像，「是否算创造力」没有公认答案

六件事里有几件接近当年设想：语言一项，从 1966 年的早期对话程序 ELIZA（见ELIZA一篇）到今天的大模型对话，走了近六十年。神经网络一项的起伏最大，感知机受挫后沉寂多年（见感知机 controversy一篇），后来又成为主干。另外几件——开放式自我改进、抽象、创造力——公开文献里的表述普遍是「有进展、未完成」，界线怎么划仍是研究议题。

路线的分岔：写规则与学参数

对照里最值得注意的是路线差异。当年设想的实现路径，公开提案的语气是「把智能的规则写清楚教给机器」；七十年后实际走通的路径是把参数交给数据去学（结构怎么换的，见Transformer 论文一篇）。设想的目的地多数抵达了，抵达用的路却与设想的那条不同——这是逐项对照之外，公开事实里最耐人寻味的一条。

两个月与七十年

时间口径同样值得对照：当年计划用两个月研讨的议题，实际用掉了七十年，中间还经历了两次经费与信心的退潮。这不说明当年设想落空——按公开文献看，清单上的方向至今没有一件被证明是死路；也不说明七十年太慢——每一步公开节点后面都有大量工程与理论的公开工作。设想与现实之间的距离，两头都在移动：机器在推进，人对「智能」的理解也在推进，七十年里两头的位置都换过好几轮。本文只把两头的公开事实摆在一起，距离怎么感受，留给读者。

设想与现实快问快答

• 达特茅斯的设想全都实现了吗？：没有全实现。语言与神经网络两项接近或抵达，开放式自我改进、抽象、创造力三项公开文献的普遍表述是进展中，用词分寸要留意。
• 当年的与会者预见到今天的大模型了吗？：公开文献里没有这样的记载。他们预见了方向，路径却换了——从写规则到学参数，这条弯路在提案里看不到影子。
• 想亲手做一份逐项对照表怎么办？：让豆包把当年的公开提案要点列成清单，再用腾讯元宝为每一项找今天的公开进展对应，最后人工核对引文，别让任何一头的表述替另一头说话。