苦澀的教訓

所以要講清楚DeepSeek，還要從人工智能說起。

智能本身是難以定義的。我們稱自己為智人（有智慧的人），是因為智能對我們來說尤其重要，但是千百年來沒有人能給智能下一個令人信服的清晰的定義，以至于智能的近義詞諸如智慧往往淪為大話和謊言的開場白。

早在艾倫·圖靈開始研究人工智能時，他通過提出一個判斷機器是否具有智能的標準，巧妙地避開了給“智能”下明確定義的難題。圖靈提出，如果一臺機器能夠在與人類的對話中表現得足夠自然，以至于人類無法區分它與真正的人類之間的區別，那么這臺機器就可以被認為具有智能。

這就是1950年，圖靈在其論文《計算機與智能》中提出的大名鼎鼎的圖靈測試。時至今日，每隔一段時間就有研究團隊試圖通過圖靈測試來驗證他們人工智能系統的智能水平。但遺憾的是，至今沒有一個系統能完全通過這個測試，即使是目前最先進的AI模型，也尚未實現圖靈最初的愿景。

圖靈的論文在學術界引起了廣泛關注，吸引了越來越多的學者加入對機器智能的研究。其中，就包括達特茅斯學院年輕的數學助教約翰·麥卡錫，以及哈佛大學年輕的數學和神經學家馬文·明斯基。

1956年，麥卡錫、明斯基等科學家在美國達特茅斯學院召開會議（見圖2-1），首次提出“人工智能”（artificial intelligence, AI）的概念，標志著現代AI呱呱墜地。麥卡錫提出的“讓機器像人一樣思考、學習和自我改進”成為會議的宣言，也成為幾代人奮斗的目標與動力。

這場為期兩個月的研討會更像是一場科學烏托邦：明斯基展示了早期的神經網絡模擬器Snare；艾倫·紐厄爾和赫伯特·西蒙帶來了“邏輯理論家”（Logic Theorist）程序，這是當時唯一可以工作的人工智能軟件，成功證明了《數學原理》中的38條定理，其中兩條定理的證明比羅素和懷特海的更簡潔；克勞德·香農則把注意力放在“會下棋的機器”上。當與會者圍坐在草坪上樂觀地暢想“一個暑假造出能媲美人腦的機器”時，沒有人會想到他們將開啟的是一場長達69年的跋涉，并且至今也沒有走到盡頭的跡象。

人工智能的探索之旅之所以走得如此艱難，究其根源，在于人工智能在一開始就走上了看似平坦實則艱險無比的道路——符號主義。

符號主義，又稱邏輯主義，是人工智能領域早期的一個重要流派。如果用一句話來描述符號主義的思想，那就是將現實世界抽象為可被機器識別和計算的符號，利用運算模仿人腦思考，通過邏輯推理來認知世界。簡而言之，符號主義認為智能就是計算。由于邏輯和計算是人類典型的心智活動，因此符號主義也常常被稱為心智派。

科研界早期對符號主義的熱情擁抱與堅定信心，源于四大歷史合力的交織作用——認知科學的范式契合、技術突破的示范效應、冷戰背景下的戰略驅動以及社會想象的集體建構，這種集體信念既折射出時代的認知局限，也反映了技術革命初期的典型特征。

符號主義將智能簡化為符號操作，與笛卡兒“我思故我在”的理性主義哲學一脈相承。1956年達特茅斯會議明確指出：“學習或其他智能特征的每個方面，都應被精確描述，從而讓機器模擬。”這種對人類理性的機械主義理解，契合了當時主流的認知科學范式。

維特根斯坦“語言的界限即世界的界限”的論斷，在符號主義中演變為“符號的界限即智能的界限”。20世紀50年代的語言學家喬姆斯基提出的轉換生成語法，為符號系統處理自然語言提供了理論依據，使人們相信語言理解可以通過語法規則來實現。

20世紀60年代興起的認知心理學，將人類思維視為信息加工過程。這種類比使符號系統成為研究人類認知的理想工具，以至于1957年開發的通用問題求解器（general problem solver, GPS），直接模擬了人類解決問題的思維步驟。

20世紀50年代推出的IBM 7090計算機，其內存達32KB，運算速度為23萬次/秒，這種技術進步讓人們相信符號系統的計算瓶頸終將突破。1965年的DENDRAL系統，通過分析質譜數據自動推斷有機分子結構，準確率達到化學家的水平。20世紀60年代誕生的摩爾定律提出，計算機算力每隔18～24個月就要翻一番。20世紀70年代推出的MYCIN醫療診斷系統，在血液感染診斷中表現優于初級醫生。這些成功案例極大地鼓舞了研究者。

1957年蘇聯發射“斯普特尼克1號”衛星后，美國國防部高級研究計劃局（DARPA）將AI列為戰略重點。符號系統因其可解釋性和邏輯可控性，被視為開發軍事專家系統（如指揮決策輔助）的理想工具。

20世紀60年代，阿波羅計劃需要復雜的任務規劃系統。符號系統，如STRIPS（Stanford Research Institute Problem Solver）系統的分層規劃為航天器路徑規劃提供了有效方法，反過來，這種實際應用也進一步鞏固了符號系統的地位。

符號主義強調的理性設計與西方自由市場理念形成了隱喻對應關系，而蘇聯的控制論研究則側重神經網絡。這種技術路線的選擇被賦予意識形態色彩，成為冷戰時期競爭的一部分。

科幻作品，尤其是1942年阿西莫夫提出的“機器人三定律”和1968年上映的電影《2001太空漫游》，塑造了大眾對智能機器的符號化想象。《2001太空漫游》中HAL 9000計算機的邏輯推理能力，成為符號主義的完美注腳。

20世紀60年代，IBM（國際商業機器公司）、DEC（美國數字設備公司）等將符號系統宣傳為“第四次工業革命”的核心。1970年，《生活》雜志引用了明斯基的預言：“3～8年內，機器人將具有普通人的智能水平。”

20世紀60年代的計算機科學教育將符號邏輯作為核心課程。MIT（麻省理工學院）的Logo編程語言通過海龜繪圖教學，強化了“符號操作即智能”的認知模式，培養了整整一代符號主義信徒。

如此形成的集體信心，本質上是特定歷史條件下的認知泡沫。符號主義的局限性——常識推理缺失、組合爆炸、知識獲取瓶頸——在當時被由技術進步帶來的樂觀情緒所掩蓋。正如1961年明斯基在《邁向人工智能的步驟》中所宣稱的：“在一代人的時間內，創造人類水平的智能將成為現實。”這種樂觀主義持續到1973年《萊特希爾報告》的發布，才被殘酷的現實打破。

符號主義的興衰揭示了技術發展的普遍規律：初期的范式革命往往伴隨過度的社會期待，而真正的突破往往發生在主流范式的邊緣。DeepSeek的R1模型正是這種規律的當代體現——當硅谷醉心于“更大更強”的符號主義式擴張時，杭州團隊通過統計學習的創新路徑，在AI領域創造了新的可能性。

這段歷史或許正如理查德·薩頓于2019年發表的《苦澀的教訓》（The Bitter Lesson）中所揭示的技術發展的冷酷邏輯所概括的那樣：“人類引以為傲的智慧與經驗，在算力與數據的洪流中可能淪為次要因素。”這段歷史不僅關乎技術演進，更映射出人類對智能本質認知的嬗變——從“機械復制思維”到“涌現創造智能”，我們終于學會敬畏復雜性，承認有些奇跡只能誕生于規模與混沌之中。