位置：AI门户网 > AI百科 > 基础概念 > 究竟是谁，真正奠定了我们今天谈论的人工智能？

究竟是谁，真正奠定了我们今天谈论的人工智能？

来源：AI门户网时间：2026/4/28 11:39:36 共 2312 浏览

你有没有过这样的好奇？为什么现在手机里的语音助手能跟你聊天，为什么一些软件好像比你更懂你想看什么，还有，为什么大家都在说“人工智能”要改变世界了？这一切听起来很“未来”，但其实它的种子，早在几十年前、甚至更久远的时候，就已经被埋下了。今天，我们就来聊聊这个有点烧脑但又很有趣的话题：到底是谁，或者说哪些关键的人和事，奠定了我们今天看到的人工智能的基础？就像很多新手想了解“新手如何快速涨粉”一样，我们得先搞懂基础原理。

在聊具体的人和事之前，我们得先破除一个迷思。很多人觉得，人工智能是近几年“突然”冒出来的黑科技。但其实，它走过的路，比我们想象的要长得多，充满了思想的碰撞、理论的奠基和一次次从高潮到低谷的循环。

思想的萌芽：那些“异想天开”的先驱

如果说要给人工智能找个思想上的“老祖宗”，那可能得追溯到古希腊神话和中国的古籍里。那时候的人，就已经幻想过能自己活动的机械人了。但这终归是幻想。真正的转折点，发生在科学思想开始崛起的时代。

*17世纪的哲学家们，像莱布尼茨、霍布斯这些人，他们提出了一个石破天惊的想法：人类的思维，能不能像数学计算一样，用一套符号系统来运行？他们认为，推理和思考，本质上就是一种计算。这个想法，直接为后来用机器模拟智能指明了方向。

*到了20世纪中叶，一位叫阿兰·图灵的英国人，把这个问题摆到了台面上。1950年，他发表了一篇论文，直接问：“机器能思考吗？” 为了避免纠缠于“思考”的定义，他提出了一个非常巧妙的测试——“图灵测试”。简单说，就是如果一个人通过文字对话，无法分辨对方是另一个人还是一台机器，那就可以认为这台机器具有智能。这个测试，直到今天依然是讨论机器智能的一个重要参考。

你看，早在计算机都还没那么强大的时候，思想的火花就已经迸发了。这告诉我们，人工智能首先是一种思想，一种对人类自身智能进行解构和模拟的渴望。

历史的节点：一场会议与一个名字

思想有了，接下来就需要把它变成一个可以研究的“学科”。这就到了人工智能史上最著名的那个时刻。

时间来到1956年，在美国一个叫达特茅斯学院的地方，一群顶尖的科学家聚在一起，开了两个月的会。会议的组织者里，有数学家约翰·麦卡锡、马文·明斯基，还有信息论之父克劳德·香农等人。这次会议本身没达成什么具体的惊天成果，但它做了一件至关重要的事：正式给这个研究领域命名，就叫“Artificial Intelligence”，也就是人工智能（AI）。所以，如果说要找一个“生日”，1956年的达特茅斯会议，被公认为是人工智能作为一门学科诞生的标志。

这次会议之后，研究人工智能的人多了起来，也慢慢形成了不同的学术流派，你可以理解成不同的“武功门派”：

*符号主义：这派认为，智能的基础是“符号”和逻辑推理。就像我们下棋，他们想让机器通过一套规则（比如棋谱）和逻辑推演来下棋。早期很多专家系统就是这条路子。

*联结主义：这派主张模仿人的大脑，用大量简单的“神经元”（也就是计算单元）连接成网络，通过调整连接强度来学习。这其实就是现在特别火的深度学习的老祖宗。

*行为主义：这派强调智能来源于与环境的互动，通过“感知-行动”的反馈来学习。像机器人学、强化学习都跟这个思路有关。

那么问题来了，这么多流派，到底哪个才是奠定今天AI盛世的主流呢？说实话，在很长一段时间里，它们各有胜负，AI的发展也经历了几次“寒冬”。但最近十几年的爆发，深度学习的异军突起，让“联结主义”成为了绝对的主角。

关键的突破：让机器自己“学习”

前面说的，更多是思想和框架。真正让AI从“看起来很聪明”到“确实能干很多事”的，是一个核心方法的普及：机器学习，尤其是深度学习。

早先的AI，很多规则需要人来定，机器很“死板”。但机器学习，换了个思路：我不直接教你规则，我喂给你海量的数据，你自己从中找出规律。这就好比，不是教孩子“猫是四条腿、有胡子、会喵喵叫”，而是给他看成千上万张猫的图片，让他自己总结出猫长什么样。

*机器学习是总称，它让计算机通过算法从数据中学习模式。

*深度学习是机器学习的一个分支，它用的模型叫“神经网络”，结构特别复杂，层数很深（所以叫“深度”），特别擅长处理图片、声音、文字这类非结构化的数据。

正是“深度学习”这套方法，结合了如今爆炸式增长的数据和强大的计算能力，才催生了我们现在看到的各种AI应用：比如能识别图片的、能听懂说话的、能生成逼真画面的、还有像ChatGPT这样能对话的。所以，奠定现代人工智能技术基础的，是一大批在机器学习、深度学习领域做出贡献的科学家和工程师。

自问自答：那我们到底该记住谁的名字？

说到这儿，可能你还是有点晕。铺垫了这么多，那“头号功臣”到底是谁？是图灵，还是达特茅斯会议那帮人，还是搞深度学习的科学家？

我觉得，这么看可能更清楚：人工智能的奠定，不是一个人的功劳，而是一个层层递进的“接力赛”。

*第一棒：思想家（如莱布尼茨、图灵）。他们回答了“能不能做”以及“如何判断”的问题，提供了哲学基础和测试标准。

*第二棒：命名者和早期探索者（达特茅斯会议群体）。他们把分散的研究凝聚成一个正式的学科，指明了方向。

*第三棒：方法论的突破者（机器学习、深度学习先驱）。他们找到了真正可行的技术路径（让机器从数据中学习），这是让AI“活”起来、实现爆发的核心引擎。

*第四棒：数据和算力的提供者（互联网时代、芯片产业）。他们提供了AI学习所需的“粮食”（大数据）和“体力”（强大算力），这是实现的土壤。

所以，我的观点是，与其纠结于某一个“奠基人”，不如理解这个多维度的奠基过程。是思想的火花、学科的形成、关键技术的突破，以及时代基础设施的成熟，共同把我们推向了今天这个AI无处不在的世界。它不是一个“发明”，而是一个“演化”出来的产物。下次当你再和语音助手对话，或者收到一个精准的推荐时，你可以想想，这背后是跨越了几个世纪的智慧接力。理解了这一点，你或许就不会再觉得AI那么神秘和遥远了。