1943年的贝尔实验室自助餐厅里，图灵和香农围绕"机器能否拥有智能"吵了一整个下午，然后分道扬镳——一个走向符号，一个走向神经。谁也没想到，这场饭后闲聊会埋下后来数十年学术江湖的全部伏笔。这本书要做的，就是把那条被时间轴串起来的脉络，一寸一寸铺到你面前。

《智慧的疆界：从图灵机到人工智能》是周志明写给"没有相关专业基础的读者"的一本书。它不急着告诉你"机器学习有多厉害"，而是先花几小时陪你走一遍这条走了六十多年的路：它从哪里萌芽，走过哪些弯路，又是怎么一步步走到今天 ChatGPT 面前的。书名"智慧的疆界"四个字，指的是"已知"与"未知"之间那条线——人类摸着这条线往前走，走得越久，看见的未知风景越多。

一台机器，三段"主义"，一场打了三十年的江湖

读这本书，你手里会始终攥着三样东西：符号主义、连接主义、行为主义。这不是三个枯燥的术语，而是三派人在"机器到底该怎么获得智能"这个问题上，吵了整整几十年的三条路线。

符号主义走"机器拟人心"：把智能当成一个黑盒，只关心输入和输出，用符号和逻辑推理去模拟思考，根本不关心大脑的神经网络长什么样。它曾统治人工智能界长达三十年。连接主义走"机器拟人脑"：反过来，先从人脑的生物结构入手，用人工神经网络去逼近智能。而行为主义——也就是控制论学派——坚持"具身智能"：智能不能只存在于脑海，它必须依托具体的身体和环境。

有意思的是，这三派不是和平共处的。书里写得毫不掩饰：明斯基曾对罗森布拉特发起"残酷的学术攻伐"，直接引发了波及整个人工智能领域的"第一次人工智能冰河时期"，让神经网络的研究在二十世纪七十年代末迅速衰落。一句话，神经网络差点死在七十年代末，又凭"奇遇"逆袭成今天的主角。这不是小说，这是史实。

我们的目的并不是去猜测未来会出现什么，而仅仅是尝试去描述并解释清楚我们应该如何迈出通向人工智能的第一步。——马文·明斯基，《迈向人工智能》，1961年

明斯基这句话，是整本书最好的注脚。它反复提醒你：别急着预测 AI 会怎样，先看清楚它第一步是怎么迈出来的。

一个十岁自学希腊文的贫民区孩子，改写了人工智能的起点

如果这本书里只能记住一个人，请记住沃尔特·皮茨。

1923年出生的皮茨，出生在美国底特律一个极度贫困的家庭。父亲是锅炉工，对他"没有什么文化，对儿子的教育方式基本上只有拳头"。在绝大多数人眼里，这个贫民区的孩子"生活在一个没什么希望出头的环境中"。但他没有放弃。靠着城市图书馆里的藏书，他在十岁便自学完成了希腊文、拉丁文、数学、逻辑学等基础学科。

正是这个"不同寻常的异类天才"，在1943年和麦卡洛克合著论文《神经活动中内在思想的逻辑演算》，首次提出了人工神经网络的概念和数学模型——人们后来把这种最基础的神经元模型命名为"M-P神经元模型"。人工智能史上"通过人工神经网络模拟人类大脑的研究时代"，从他这里开始。

你看，科学被大众渲染得严肃、纯粹、神圣，但书里偏偏要讲"科学里的有些人、有些事却不得不令人感慨人生如戏"。财富通常不是天才的先决条件，皮茨用他的一生推翻了这条定律。当你读到这个在拳头和贫民区里自学希腊文的孩子，最终用数学模型为机器装上"神经元"，你会对"智能从何而来"这件事，生出一种很具体的敬意。

一场博士毕业庆功宴上，年轻人聊的却是"造美女照片"

书里最鲜活的一段，发生在2014年春夏之交的加拿大蒙特利尔。一家叫"The Three Brewers"的酒吧里，几位来自蒙特利尔大学的高才生，正在为师兄举行博士毕业的庆功宴。

年轻人喝酒，话题本该离不开漂亮姑娘。而这几位师承本吉奥的高才生，当晚聊的是：有没有可能利用神经网络，让机器制造出一些美女的照片。作者用这个略带戏谑的例子，把"判别式模型"和"生成式模型"讲清楚了——前者做预测和决策，后者让机器"生成具有特定特征的数据"。你看，高深的人工智能概念，就藏在一场年轻人的庆功宴里。

当莱特兄弟和其他人不再模仿鸟类飞行，而是开始研究空气动力学的时候，人类对"人工飞行"的探索才算是取得了成功。——彼得·诺维格，《人工智能：一种现代方法》，1994年

诺维格这句话，是读这本书的另一把钥匙。人工智能走了几十年弯路，恰恰是因为我们太早放弃了"模仿"、转而"研究规律"。从图灵机的纸笔运算，到皮茨的 M-P 神经元，再到辛顿、杨立昆、本吉奥"二三十年坐在冷板凳上"，神经网络才重返舞台中央。这是一部"气势恢宏的江湖传奇小说"，而你现在正站在主角登场的前夜。

为什么是现在读它

2012年，"机器学习"一夜之间成为流行词；2014年，ChatGPT 还没诞生，人们已经在通用问题上"取得了一些初步成果"。我们正处在一段最容易被"科幻式的神秘感与敬畏感"裹挟的时期：人人都能谈 AI，却很少有人清楚"人工智能现在发展到什么程度了"。

而这本书恰好回答三个最基础的问题——"人工智能是什么""人工智能有什么""人工智能现在发展到什么程度了"。它不给你魔法，它给你一条从图灵机到今天的清晰时间线：1913年《数学原理》、1936年图灵机、1943年 M-P 神经元、1956年达特茅斯会议、1980年"强/弱人工智能"的划分……每一个节点，都是后来所有奇迹的地基。

它甚至提前警告你：人们对机器学习的期望"可能已经超过了机器学习本身所能解决的问题的范畴"。读完它，你再面对任何关于 AI 的喧嚣，都会多一分清醒的底气。

今晚，你可以做的两件小事

第一，找一张纸，把这条时间线上你还没听过的三个名字写下来——图灵、皮茨、明斯基，任选。不必记全，只写名字，让"他们是谁"变成你下一步的好奇。

第二，打开任何一个你常用的 AI 产品，问自己一个问题：它做的，是"判别"（预测、分类），还是"生成"（创造新数据）？就像书里那位在庆功宴上聊"造美女照片"的年轻人一样，试着用这个视角，重新打量你身边那些"不知不觉改变了生活"的 AI。

这两件小事都不难，但它们会让你下次再听到"人工智能"四个字时，脑子里浮现的不再是神秘的潘多拉盒子，而是一条由无数具体的人、具体的争论、具体的弯路铺成的路。

如果这五分钟，让你对自己、对这个正在被重新定义的世界，稍微满意了一点点，哪怕只是心头掠过一丝会意——我的工作就完成了。去吧，放下这篇文章，去读属于你的《智慧的疆界》。图灵在1950年写下的那句话，值得你亲手翻到书页里去读：目光所及之处，只是不远的前方，即使如此，依然可以看到那里有许多值得去完成的工作在等待我们。