第二次AI寒冬

寒冬背景

短暂的复兴

1980年代初期，AI似乎迎来了春天：

• 专家系统商业化成功
• 日本启动第五代计算机项目
• 风险投资涌入AI领域
• Lisp机器公司股价飙升

过度投资

但是，投资热度过高：

• 数十亿美元投入专家系统开发
• Lisp机器公司估值过高
• 市场预期远超实际需求
• 许多项目缺乏商业可行性

技术局限

专家系统的根本问题开始显现：

• 维护成本高昂
• 知识更新困难
• 处理不确定性能力弱
• 无法应对意外情况

专家系统热潮

商业化浪潮

1980年代，专家系统成为AI商业化最成功的方向：

• XCON：为DEC配置计算机系统，每年节省数千万美元
• DENDRAL：化学分子结构推断
• PROSPECTOR：矿藏勘探
• 医疗诊断系统

Lisp机器时代

专门的AI硬件成为热门：

• Symbolics、Lisp Machines Inc等公司
• 专用的Lisp工作站
• 单机价格高达10万美元以上
• 被大公司和研究机构购买

日本第五代计算机

1982年，日本启动第五代计算机项目：

• 目标：创造能进行自然语言对话、推理、学习的计算机
• 预算：4亿美元
• 引发美国和欧洲的竞争反应
• 最终未能实现目标，1992年结束

企业投资

大公司纷纷建立AI部门：

• IBM、DEC、HP等
• 建立内部AI研究组
• 开发企业级专家系统
• 投资AI初创公司

泡沫破裂

触发因素

1987年，多个因素同时出现：

• PC性能提升：通用PC开始能运行AI软件
• Lisp机器市场崩溃：专用硬件失去市场
• 专家系统局限：难以维护和扩展
• 预算削减：企业缩减AI投资

Lisp机器崩溃

专用AI硬件市场迅速消失：

• Symbolics股票从高点跌至几分钱
• 多家Lisp机器公司破产
• 通用Unix工作站取代专用硬件
• 大量硬件投资化为乌有

专家系统困境

专家系统暴露出根本问题：

投资撤离

• 风险投资几乎消失
• 企业AI部门被裁撤
• 大学AI项目减少
• AI再次成为贬义词

神经网络复兴

黑暗中的光芒

在寒冬期间，一些重要进展在悄悄发生：

• 1982年：Hopfield网络提出
• 1986年：反向传播算法重新发现和推广
• 1989年：LeCun的卷积神经网络

PDP革命

1986年，Rumelhart、Hinton和Williams出版了《并行分布式处理》：

• 重新引入连接主义范式
• 展示了神经网络的学习能力
• 挑战了符号主义的主导地位
• 为后来的深度学习奠定基础

统计方法兴起

同时，统计方法开始主导NLP等领域：

• 概率模型取代规则系统
• 基于数据的学习方法
• 更robust的处理方式
• 实际效果优于纯符号方法

寒冬结束

转折点

1993年前后，AI开始走出寒冬：

• 机器学习成为主流方向
• 统计方法广泛应用于NLP、语音识别
• 互联网带来海量数据
• 计算能力持续提升

范式转变

AI研究范式发生了根本转变：

新方向

AI研究转向更务实的方向：

• 机器学习和数据挖掘
• 信息检索和推荐系统
• 语音识别和合成
• 计算机视觉应用

历史启示

避免重蹈覆辙

• 不要过度炒作技术能力
• 硬件和软件需要协调发展
• 实际应用价值是生存关键
• 保持技术路线的多样性

持续的重要性

即使在寒冬，坚持的研究也在积累：

• Hinton坚持神经网络研究40年
• LeCun坚持卷积网络研究
• Bengio坚持深度学习研究
• 三人于2018年获图灵奖

对今天的警示

当前AI热潮中，需要警惕：

• 避免过度承诺
• 关注实际价值
• 保持长期投入
• 重视基础研究