大家好！我是「百忙君」，百忙之中，跟大家分享。

先說好，百忙君不是 AI 專家，也是一步步自學，學到什麼，就說什麼。

上一篇聊到 1956 年那場達特茅斯會議，「人工智慧」有了名字，意氣風發出發了。

然而你知道嗎？這門學問不是一路紅到今天。它冷掉過，而且冷了兩次，冷到有自己的名字——「AI 寒冬」（AI Winter）。

先解釋一下什麼叫「寒冬」：不是技術消失，而是熱度退掉。政府不給錢了、企業不投資了、實驗室關門、年輕人不願意入行。AI 歷史上，這樣的冬天來過兩回。

今天就說說這兩次寒冬的故事。

機器翻譯，牛皮先破了

1950 年代，美蘇冷戰，美國很想讓電腦自動翻譯俄文。

1954 年 1 月，喬治城大學和 IBM 合作辦了一場展示：電腦當場把六十多句俄文翻成英文。

IBM 701 大型主機，1954 年那場俄英翻譯展示用的就是這型機器。引用網路圖片：維基共享資源，作者 Dan，CC BY-SA 2.0 授權，未改作。

聽起來厲害？其實機器能用的字彙只有 250 個字，文法規則只有 6 條，句子都是精挑細選的。可是《紐約時報》把它放上頭版；報導裡，IBM 和喬治城的人預期，三到五年內就能做出實用的翻譯機。

那個年代，樂觀的不只是報紙。1960 年，後來得過諾貝爾獎的大師赫伯特・西蒙（Herbert Simon）就預言：二十年內，機器就能做人類能做的任何工作。

然而真正上場才發現，實驗室裡會翻的句子，換成外面的文章就一塌糊塗。

1966 年，美國國家研究委員會找了一組專家（ALPAC）評估，結論很直白：機器翻譯比人慢、比人貴，還沒有人準。報告自己算了筆帳：前後十年，政府已經投入約兩千萬美元。

機器翻譯的大筆經費，就此收掉。

1973 年，英國也挨了一記重拳。數學家萊特希爾（James Lighthill）受英國科學研究委員會委託，評估國內的 AI 研究。他的報告批評，AI 當年許下的「宏大目標」根本做不到——實驗室裡的小問題解得漂亮，放大到真實世界就卡住。

英國的 AI 經費大砍，只剩少數幾所大學撐著。美國國防部的 DARPA 也差不多同時收緊荷包，把錢轉去有具體用途的計畫。

於是，1974 年前後開始，AI 進入第一次寒冬，一路冷到 1980 年左右。研究經費很難申請，學生不敢選這一行，「人工智慧」四個字，幾乎變成浪費錢的同義詞。

專家系統，從搖錢樹變累贅

1980 年代，AI 翻紅了，靠的是「專家系統」：把老師傅的知識寫成一條條規則，讓電腦照著判斷。

最出名的是 XCON，卡內基美隆大學幫電腦公司 DEC 開發的系統，負責替訂單配置零件組合。它為 DEC 省下大筆成本，被視為專家系統最成功的案例。

成功故事一傳開，大小公司紛紛跟進。到了 1985 年，企業一年投資在專家系統上的錢，估計超過十億美元。

日本政府更豪氣，1982 年啟動「第五代電腦」計畫，為期約十年，前後投入約 540 億日圓，目標是讓電腦能用日常語言溝通、看得懂圖、會推理。計畫一公布，美國和英國都坐不住了，也趕緊加碼投資 AI，深怕被日本超車。

就連電腦硬體都跟著熱，出現了專門跑 AI 程式的「LISP 電腦」，一台要價不菲。

Symbolics 3620 LISP 工作站（1983 年），當年專門跑 AI 程式的「LISP 電腦」之一，攝於電腦歷史博物館。引用網路圖片：維基共享資源，作者 Thomas Conté，CC BY-SA 2.0 授權，未改作。

有趣的事來了。「AI 寒冬」這個詞，是 1984 年人工智慧學會年會的一場座談上冒出來的。座談上有人當眾警告：大家的期待已經失控，小心寒冬在後面。

一語成讖。

1987 年，LISP 電腦市場整個崩掉——便宜的一般電腦效能追上來了，沒人需要再買昂貴的專用機。之後幾年，做 LISP 機器的公司一家家撐不下去。

接著，專家系統自己也出問題。規則越積越多——XCON 到 1987 年已經超過六千條——維護貴得嚇人，遇到沒見過的狀況還會出包。

1990 年代初，許多系統被悄悄放棄。日本的第五代計畫在 1992 年收場，當年誇下的目標，多數沒有達成。

第二次寒冬來了，這一冷，又冷到九十年代。

說的比做的快，才是病根

兩次寒冬，天氣不同，病根是同一個：期待跑在技術前面。

據記載，1984 年那場座談，就把這個循環說得很白：先是研究圈自己悲觀，接著媒體跟著悲觀，然後經費大砍，最後連認真的研究都停擺。

承諾越講越大，錢和掌聲越滾越多；等到交出來的東西跟不上那些話，信心一抽走，錢就跟著走，整個領域一起感冒。

不過，寒冬也不全是壞事。錢退了，有些研究者換個名字、換條路，繼續做他們的研究。

那麼，今天這波 AI 熱呢？必須說，有一個地方真的不一樣：這次 AI 走進了你我的手機和日常，寫信、修圖、找資料都用得到，不只是實驗室裡的展示品。

下次看到「AI 什麼都能做」的新聞，不妨多問一句：它現在「實際」做到了什麼？這是兩次寒冬留下來的功課。

至於 AI 後來怎麼在 2012 年一場影像辨識比賽谷底翻身、一路紅到今天，下一篇再跟大家說。

你覺得這一波 AI 熱，會一直燒下去，還是會再冷一次？留言跟百忙君聊聊，你的看法是什麼？

（文末補充：上面說的「兩次寒冬」，是最常見的講法。也有歷史學者，例如美國的 Thomas Haigh，認為 1970 年代那次不算真正的寒冬——那十年，AI 研究圈其實還在長大。不過 1980 年代末、專家系統泡沫破掉的那一次，比較沒有爭議。）

──資料搜集──
1. Hutchins〈The Georgetown-IBM demonstration, 7th January 1954〉（1954 年展示一手回顧：六十多句、250 字彙、6 條規則、紐約時報頭版、三到五年預期原文）

2. Hutchins〈ALPAC: the (in)famous report〉（1966 年報告結論與「約兩千萬美元」原文）

3. Quote Investigator：西蒙「二十年內機器能做人類任何工作」預言考證（對照 1960 年原書掃描；原書未親讀，屬二手查證）

4. 英國 Chilton Computing：Lighthill 報告背景（英國科學研究委員會委託，1973 年初發表）

5. 日本 IPSJ 電腦博物館：第五代電腦計畫（1982 年啟動、約 540 億日圓、1992 年結束）

6. Moto-oka〈Overview to the Fifth Generation Computer System Project〉（ACM；計畫負責人親述目標：自然語言與語音溝通、圖形影像、問題解決與推論）

7. Thomas Haigh〈There Was No 'First AI Winter'〉（史學觀點：1970 年代 AI 圈其實持續成長）

8. Thomas Haigh〈How the AI Boom Went Bust〉（專家系統熱潮與崩盤、1984 年座談）

9. Chollet《Deep Learning with Python》第一章（1985 年前後企業投資專家系統一年逾十億美元、1990 年代初退潮）

10. 世界經濟論壇〈A short history of AI〉（兩次寒冬年份對照、2012 年 AlexNet 影像辨識突破）

11. 英文維基百科「AI winter」條（兩次寒冬始末總覽與書目；1984 年座談「連鎖反應」一段為該條轉引 Crevier 1993，正文已標「據記載」）