1.2 AI发展史与里程碑关卡

1.2 AI发展史与里程碑关卡

AI发展史考点集中在三次浪潮与两次寒冬：达特茅斯会议、感知器、专家系统兴衰、深度学习复兴、大模型时代。通关标准：能把关键里程碑挂到时间线上，并解释两次寒冬的技术诱因。承接上一关的流派辨析——历史正是两条路线交替领先的战争史。

战前侦察

时间线题的死穴是"孤立记忆"：背下一串年份，却串不起因果。正确打法是把历史折叠成"浪潮—寒冬"的节拍：每次浪潮由某个技术突破点燃，每次寒冬由期望与能力的落差引爆。先看这张作战沙盘：

图：AI 三次浪潮与两次寒冬时间线

关卡题目

关卡一（排序）：将下列事件按时间先后排序：

1. AlexNet 夺冠 ImageNet 图像识别竞赛
2. 达特茅斯会议提出"人工智能"术语
3. Transformer 架构发表
4. 感知器模型提出
5. 专家系统在商业领域大规模铺开

关卡二（单选）：第一次"AI 寒冬"到来的直接技术诱因最接近：

A. 神经网络训练速度太慢
B. 感知器被证明无法解决线性不可分问题，且算力与数据远不成熟
C. 缺乏编程语言
D. 互联网泡沫破裂波及 AI 融资

关卡三（简答）：为什么说深度学习在 ImageNet 竞赛上的胜利是"第三次浪潮"的标志性事件？请从数据、算力、算法方面作答。

先攻提示

• 排序题抓两条锚线：达特茅斯会议略早于感知器，感知器早于专家系统，专家系统早于深度学习复兴；Transformer 是最新的一档；
• 寒冬题别选"感觉合理"的 A——去想哪本书/哪个实验公开击碎了当时的主流信心；
• 关卡三对照"燃料、引擎、图纸"的框架分别举例。

后核：标准解析

关卡一正确顺序为 2 → 4 → 5 → 1 → 3。 达特茅斯会议正式命名学科，是公认的起点；感知器模型在其后不久提出，是第一个可学习的神经网络模型；专家系统铺开是第二次浪潮的商业高潮；AlexNet 夺冠开启第三次浪潮；Transformer 架构发表于深度学习复兴之后，通向大模型时代。会议与感知器紧邻成组，考试常拿这对邻居做陷阱。

关卡二选 B。 当时联结主义的旗舰成果感知器被学术著作严格证明无法解决异或这类线性不可分问题，加上算力和数据的双重匮乏，资助大幅撤离。D 的时间完全对不上；C 是干扰项；A 是表象而非被公开论证的硬伤。

关卡三：数据方面，ImageNet 提供了百万级标注图像，让"深度模型才吃得饱"成立；算力方面，GPU 通用计算让大规模训练在可行时间内完成；算法方面，深度卷积网络配合修正线性激活、Dropout 等技巧第一次把错误率大幅压过传统特征工程方法。三者同时到位，缺一不可——这正是"浪潮需要燃料、引擎、图纸齐备"的史观。

用代码把"里程碑—所属浪潮"做成可自测的题库卡片：

# 里程碑卡片自测：打乱后自问所属浪潮
import random
cards = [
    ("感知器模型", "第一次浪潮"),
    ("达特茅斯会议", "第一次浪潮"),
    ("专家系统商业化", "第二次浪潮"),
    ("反向传播算法推广", "第二次浪潮转向期"),
    ("AlexNet 夺冠", "第三次浪潮"),
    ("AlphaGo 战胜人类棋手", "第三次浪潮"),
    ("Transformer 发表", "第三次浪潮"),
    ("大语言模型爆发", "大模型时代"),
]
random.shuffle(cards)
for name, era in cards[:4]:
    print(f"事件：{name:<12}（答案：{era}）")
# 一次可能的输出：
# 事件：AlphaGo 战胜人类棋手（答案：第三次浪潮）
# 事件：达特茅斯会议      （答案：第一次浪潮）
# 事件：Transformer 发表  （答案：第三次浪潮）
# 事件：专家系统商业化    （答案：第二次浪潮）
​

再练一道数值型年代题：计算两次寒冬之间第二次浪潮的持续时长量级，并核对深度学习复兴距今的跨度感。

# 用大致年份校准时间感（学界通行的量级）
events = {"达特茅斯会议": 1956, "第一次寒冬开始": 1974, "专家系统铺开": 1980,
          "第二次寒冬开始": 1987, "AlexNet 夺冠": 2012, "Transformer": 2017}
gap2 = events["第二次寒冬开始"] - events["专家系统铺开"]
gap3 = events["Transformer"] - events["AlexNet 夺冠"]
print(f"第二次浪潮商业繁荣约持续 {gap2} 年；AlexNet 到 Transformer 相隔 {gap3} 年")
# 输出：
# 第二次浪潮商业繁荣约持续 7 年；AlexNet 到 Transformer 相隔 5 年
​

两段间隔都只有个位数字的年头，说明浪潮更替远比想象中快——这也是历史题爱考"量级感"的原因。

两次寒冬常被混为一谈，其实打击对象与复苏路径完全不同，用对照表钉死这组高频考点：

读表要点：寒冬是"轮流坐庄"的——路线旗舰各摔一跤，摔跤原因都写在"当时做不到什么"里，而不是"这条路错了"。面试答"AI 为什么几起几落"，照着这张表的因果链讲，比背年份高一档。

复盘：易错点与变式

易错点一：把感知器与达特茅斯会议的先后搞反。会议在先（命名学科），感知器在后（首个可学习模型），两者紧邻，考排序时当成一组处理。

易错点二：把第二次寒冬归因于"神经网络不行"。恰恰相反，第二次寒冬打击的是符号主义旗舰——专家系统：规则库维护成本随规模爆炸、跨领域迁移几乎为零，商业回报崩塌。神经网络反而在寒冬里被少数人坚持研究，为第三次浪潮留了火种。

变式一：面试官追问"现在会不会有第三次寒冬"。高分答法：重复上一次的"期望—能力落差"风险仍然存在，但这次的能力是真实落地的（搜索、推荐、生成已商业化），更可能的不是全面寒冬而是泡沫局部出清——能对比前两次的结构性差异才算通关。

变式二：把事件换成"反向传播算法的推广"考归属。它属于第二次浪潮转向期：为联结主义复活埋下伏笔，但当时算力不足以引爆。

复盘产出：在决策卡背面画一条自己的时间线，标出"两条路线各自的登顶时刻"。下一关回到当下，练任务分类。