1956 - Dartmouth 會議#
案件摘要#
1956 年夏天，John McCarthy 在 Dartmouth 學院組織為期八週的研討會，提案書寫下那句著名的賭注：
「學習或智能的每個面向，原則上都可以被如此精確地描述，使得機器可以模擬它。」
會議正式鑄造了「Artificial Intelligence」這個詞，並把一群分散的工作者（符號推理、神經網路、自動機、資訊理論）凝結成一個學科。本案的本質是：AI 不是被發明的，而是被命名與組織的——一場會議把各路智慧的候選模型收編到同一面旗幟下。
前因 -- 為什麼會有這個案子#
- 1950 年 Turing 的兒童機器綱領（見 1950-圖靈測試.md）已畫出藍圖：智慧可以透過教育（學習）獲得——但還沒有人把它變成研究計畫。
- 1943 年 M-P 神經元證明網路能算邏輯（見 1943-麥卡洛克皮茨邏輯神經元.md）、1949 年 Hebb 規則證明網路能學（見 1949-Hebb學習規則.md）——「能算 + 能學」的兩塊拼圖已就位。
- 控制論的紅與亂：Wiener 1948 年的《Cybernetics》吸引了各方人馬，但「控制論」太龐雜（涵蓋生物、機械、社會），McCarthy 覺得需要一個更鋒利的名詞。
- McCarthy 的動機：他與 Shannon、Rochester、Minsky 聯名提案，向 Rockefeller 基金會申請 13,500 美元——金額不大，野心極大：模擬語言、神經網路、自改進。
- 符號派與連結派的初次同台：提案書同時列入「神經網路」與「計算與符號操作」，兩大陣營的同盟與決裂從這裡開始。
線索與推理 -- 數學式、程式、理論#
第一條線索：提案書的五大議題#
Dartmouth 提案書列出的研究議題，就是 AI 學科的原始版圖：
| 議題 | 提案書原文（大意） | 後續案件 |
|---|---|---|
| 自動計算機 | 如何為計算機程式化以使用語言 | 2018-BERT與GPT預訓練典範 |
| 編程語言 | 機器如何自改進（self-improvement） | 1958 Lisp（McCarthy 親手打造） |
| 神經網路 | 一組神經元如何自組織成概念 | 1957 感知器、1986 反向傳播 |
| 計算規模理論 | 智能問題需要多少計算量 | 計算複雜性理論 |
| 學習與隨機性 | 學習如何利用感官輸入與獎懲 | 強化學習、RLHF |
關鍵推理：議題表本身就是一份「智慧模型清單」——符號、神經、語言、學習，本書的主題在 1956 年就被列好了。會議的成果不是解答，而是正確地列出了七十年還在做不完的題目。
第二條線索：命名的偵探學——為什麼是「人工智慧」#
McCarthy 要一個新名詞與控制論劃清界線。候選與結果：
| 候選名詞 | 命運 |
|---|---|
| Cybernetics（控制論） | 太龐雜，涵蓋生物與社會系統 |
| Automata studies（自動機研究） | McCarthy 與 Shannon 1956 年編過同名文集，但太數學、太窄 |
| Complex information processing | 太溫吞 |
| Artificial Intelligence | McCarthy 選定——鋒利、有野心、自成一科 |
「人工智慧」一詞在 1956 年正式進入文獻。命名的偵探學意義：一個學科的存在，往往先於一個名詞；但名詞一旦鑄成，學科的方向就被名詞塑形。「人工」二字暗示智慧可以被製造——這個預設支配了其後七十年的研究想像。
第三條線索：會上與會後的兩條路線#
會議八週期間與之後十年，兩條路線展開競賽：
| 路線 | 代表 | 1956–1969 的戰績 |
|---|---|---|
| 符號推理 | Newell、Simon（Logic Theorist, GPS） | 早期連勝：證明數學定理、下棋程式 |
| 神經網路 | Rosenblatt（感知器）、Widrow（ADALINE） | 硬體熱潮：Mark I 感知器、ADALINE 商用 |
| 語言與知識 | McCarthy（Lisp、常識推理） | 累積慢，1969 年後才接棒 |
Newell 與 Simon 的 Logic Theorist（1956 年會議前已完成）在會上展示——它用符號搜尋證明了《數學原理》中的定理。這讓符號派搶得頭香：第一個「智能行為」的示範是符號的，不是神經的。這個第一印象影響了其後十餘年的資金流向，直到 1969 年 Minsky 的批判讓符號派的優勢固化為壟斷。
第四條線索：聯盟的裂縫——兩種「學習」的分歧#
會議表面上是同盟，內部已埋裂縫。兩派對「學習」的理解根本不同：
- 連結派（Hebb 譜系）：學習是共激活的統計帳本， \(\Delta w_i = \eta x_i y\) ，不需要符號，智慧從數據中浮現
- 符號派（Newell-Simon 譜系）：學習是規則的獲取與搜尋，智慧是符號操作（物理符號系統假說，1976）
這個分歧的偵探意義：它預言了 AI 歷史上所有的寒冬與復興——符號派的統治導致神經網路在 1969–1986 年間被邊緣化（見 1969-MinskyPapert批判.md），而 2012 年之後連結派的全面勝利又讓符號派尋求「神經符號」（neuro-symbolic）的和解。會議埋下的裂縫，六十年後仍在彌合中。
第五條線索：出席者的命運——一場會議的後遺症#
八週的會議實際出席者與後續命運，本身就是偵探小說的素材：
| 出席者 | 會上立場 | 會後命運 |
|---|---|---|
| McCarthy | 命名者、語言與符號 | Lisp（1958）、史丹佛 AI 實驗室、常識推理的孤獨倡導者 |
| Minsky | 神經網路與符號 | MIT 實驗室、1969 年批判感知器、成為符號派旗手 |
| Newell & Simon | 符號推理（Logic Theorist） | GPS、物理符號系統假說（1976）、1975 圖靈獎 |
| Shannon | 資訊理論 | 繼續資訊理論，逐漸淡出 AI |
| Rochester | IBM 硬體 | IBM 的神經網路模擬實驗，因 1969 年寒冬被裁撤 |
| Solomonoff | 演算法機率 | 歸納推理的通用理論（Solomonoff induction），生前默默無聞，死後被追認 |
兩個諷刺的偵探細節： 1. Minsky 在會議提案書上連署了「神經網路」議題，十三年後親手終結了神經網路研究——兇手曾是同謀 2. 真正預言了深度學習路線的 Solomonoff induction 與 Selfridge 的模式識別，在會上幾乎無人理會——主流的選擇（符號推理）統治了三十年，最後被邊緣的路線（連結主義）全面翻盤
會議的偵探教訓：學科的走向不只取決於問題的正確性，更取決於誰在場、誰的示範最搶眼、資金流向誰。
結案 -- 後果與影響#
- AI 正式成科：Dartmouth 會議被追認為 AI 的誕生地，「artificial intelligence」一詞從此定名。
- 符號派的黃金期：Newell-Simon 的 GPS、McCarthy 的 Lisp（1958）、Minsky 的 MIT 實驗室——符號推理統治至 1980 年代。
- 神經網路的短暫熱潮：感知器與 ADALINE 在 1957–1969 年間是 AI 的一部分，之後被逐出（見 1957-Perceptron感知器.md）。
- 伏筆一：Dartmouth 提案的「神經網路自組織」議題 → 1957 感知器 → 1969 危機 → 1986 反向傳播復興（見 1986-反向傳播演算法.md）。
- 伏筆二：提案的「機器使用語言」議題 → 1950 年代的符號語言學 → 2017 Transformer → 2022 ChatGPT——語言題目做了六十六年才做出大規模成果。
- 伏筆三：符號 vs 連結的裂縫 → 1980 年代專家系統（符號派頂點）→ 2020 年代大型語言模型（連結派頂點）→ 神經符號與世界模型的再合流（本書後世卷的主題）。
- 伏筆四：McCarthy 的「自改進機器」議題 → 強化學習 → 2016 AlphaGo → 2022 RLHF——會議最遠的一顆子彈飛了六十六年。
關鍵人物與文獻#
- John McCarthy：會議發起人、命名者；Lisp 的發明人（1958）、常識推理的倡導者
- Marvin Minsky：連署人；後轉向符號派，1969 年批判感知器
- Claude Shannon：連署人；資訊理論奠基者（1948）
- Nathaniel Rochester：連署人；IBM 701 的首席設計師
- Newell & Simon：Logic Theorist（1956）與 GPS（1957），符號派先鋒
- McCarthy, Minsky, Rochester, Shannon：〈A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence〉（1955 年 8 月提案）
- 相關案件：1943-麥卡洛克皮茨邏輯神經元.md、1949-Hebb學習規則.md、1950-圖靈測試.md、1957-Perceptron感知器.md、1960-ADALINE自適應線性元件.md、1969-MinskyPapert批判（科學與歷史/人工智慧/1969-MinskyPapert批判.md）、2017-Transformer注意力機制（科學與歷史/人工智慧/2017-Transformer注意力機制.md）