香农给 AI 留下了什么？信息论之外的棋局论文

AI 学科名单里，香农的身份有点特别：他 1948 年创立的信息论是整个通信与计算行业的基础，而他给 AI 的直接馈赠，藏在 1950 年那篇国际象棋程序论文和 1956 年达特茅斯会议的署名里。两条线索分开看各自清楚，合起来才能看清他给后来者铺了哪两块路石。

1948 年：给信息定量

香农在贝尔实验室工作期间发表《通信的数学理论》，提出用「信息熵」度量一段消息的不确定性，并确立了「比特」作为信息量的单位。这篇论文奠定了信息论，通信、存储、编码从此有了统一的数学语言。它与 AI 的关系在今天格外直白：现代语言模型的训练目标是预测下一个词，衡量预测好坏的损失函数正建立在信息熵与交叉熵之上；模型能力随规模增长的曲线如何刻画，可见Scaling Law 是怎么被发现的一篇。你在用的 DeepSeek、Kimi，每一次输出背后的量化打分，源头都在这篇论文。

1950 年：第一份象棋程序设计书

同年，香农发表《为计算机编程下国际象棋》，是公开文献中最早系统讨论计算机下棋程序设计的论文之一。他提出的关键部件沿用至今：用评估函数给局面打分，用极小极大搜索往前推演若干步，再挑出得分高的走法。他还估算过国际象棋的博弈树复杂度，量级约在 10 的 120 次方，这个数字后来被称为「香农数」，用来解释穷举走不通、必须剪枝。四十七年后深蓝赢下卡斯帕罗夫，走的仍是评估函数加搜索这条路线，只是每个部件都被放大了成千倍，可看深蓝赢卡斯帕罗夫一篇的对照。

1951 年：会认路的机器老鼠

1951 年前后，香农在贝尔实验室造出一台名为 Theseus 的机器老鼠：它在一个用隔板围成的迷宫里摸索行进，记住路径，之后再被放到任意位置，就凭记忆直接走向目标。以公开资料看，它常被引用为早期「学习机器」的演示——从试错中积累经验，再用经验改变行为。这与同一时期图灵的模仿游戏构成对照：一个提出检验方法，一个拿出会学习的实物演示。

1956 年：把名字签进学科提案

1956 年夏的达特茅斯会议被普遍视为 AI 的起点，提案书由麦卡锡主笔，香农是四位署名提案人之一，并在会议期间提交了关于计算机下棋的研究计划。学科命名与组织化是麦卡锡的手笔，可见麦卡锡一篇；香农的角色是把信息论与自动机的学术资源带进了会场。一个新学科在起步时能同时挂上信息论、计算机、神经与认知几条线，与这批提案人的构成直接相关。

香农公开记录速查

• 1948：《通信的数学理论》，信息熵与比特
• 1950：《为计算机编程下国际象棋》，评估函数与搜索
• 1951 前后：Theseus 机器老鼠，早期学习机器演示
• 1956：达特茅斯会议提案署名人之一

两条线索各自流到了哪里

信息论这条线流进了所有现代模型：语言模型的训练、压缩、评测都在熵的框架里进行，今天评价一个模型输出好坏的量化标准，仍是这套语言的直系后代。棋局论文这条线流进了符号搜索传统：评估函数加搜索支撑起深蓝一类系统，也支撑起达特茅斯之后二十多年的主流研究。两条线在 2012 年之后逐渐汇合，深度学习占据了主线位置，但搜索与评估仍是规划类任务的基础部件。把这段分流与汇合放进学科的起落里看，AI 寒冬一篇给过两条路线此消彼长的时间线。你让豆包、Kimi 拆解一个多步任务时，模型对候选方案的比较与取舍，与评估函数加搜索的思路仍有亲缘。

关于香农的常见疑问

• 香农是 AI 学科的创始人吗？：学科命名与组织化由麦卡锡等人完成，香农的角色是提案署名人与会议参与者，同时为学科提供了信息论这层数学地基。
• 信息熵对普通人有什么用？：它定义了压缩的理论上限，文件传输、流媒体的速度与质量都受这套理论约束；对 AI 用户来说，模型的训练目标与评测指标也建立在其上。
• 香农的下棋程序当时能跑起来吗？：受当年硬件限制，论文里的设计以理论方案为主，配套演示规模有限；它的价值在设计框架，评估函数加搜索的骨架沿用到了深蓝时代。