人工智能简史：封面上那个AlphaGo，书里一页都没有

2026-11-12silcano

阅读提示：全书 437 屏、8 章、64 节，从版权页到书尾逐页翻完，抓取 1427 秒，reached_end=true（end_reason=last_page）。我抽看了 7 张关键页，引句都标了页码。这篇有一个必须先说的事：书名和内容对不上，而且不是差一点，是差了一整个时代。

先说证据。这本书的副标题是"AlphaGo 到多模态大模型进化史"。我把 64 节目录从头到尾看了一遍：从"人类机器谁将称王"到"收购 Siri，乔布斯的最后一件事情"，最后一节是"结语 选择，一切与机器无关"，再加致谢和译者后记。没有一章讲 AlphaGo，没有一章讲大模型，没有多模态，没有 Transformer。书里最新的时间点是 2014 年——"2014，无人驾驶汽车商业化元年"。

这不是我挑刺。这是两种完全不同的东西被换了个封面：一个讲的是 1950 到 2015 年"人类该造会思考的机器，还是造增强人的工具"，一个许诺的是去年和前年最热的技术。你冲着后者买，拿到的会是前者。我不是说前者不值钱——它挺值钱，我下面会说它哪里好。我是说，一本书最不该骗人的地方，就是封面。

一、它真正写的，是一场持续七十年的路线之争

把书名放到一边，这本书有一条非常清楚的线索，而且是同类书里少见的清楚：AI 与 IA 之争。

AI 是 Artificial Intelligence——造一个会思考的机器，让它替人做判断。IA 是 Intelligence Augmentation——造一套好用的工具，让人变得更强。前者把人当被替代者，后者把人当使用者。听起来是学术分歧，实际上是两种世界观，而且它们抢的是同一批经费、同一批学生、同一批头条。

p0030 里那段写得极好。作者写比尔·杜瓦尔从 Shakey 实验室走下楼时，会碰到另一个研究团队——恩格尔巴特手下那群"不苟言笑的家伙"，穿着古板的白衬衫、蓄着长发，"正在努力将计算带往另一个发展方向，它看上去甚至与传统项目不在同一个坐标系中"。当时 Shakey 项目还在努力模仿人的大脑和躯体，而恩格尔巴特有一个完全不同的目标。他在二战后期读到万尼瓦尔·布什的一篇文章，其中提到一个叫 Memex 的信息检索系统，可以用来管理全世界的所有知识。他断定这样的系统可以在当时新推出的计算机上实现，于是要"建立一个互动系统来捕获知识、组织信息"，让一小群科学家、工程师和教育家更有效地进行创造与合作。

后来的事我们都知道了：这个人发明了鼠标，构想了超文本，几十年后成了现代互联网的根基。而 Shakey 那一路，通向了今天的深度学习。同一栋楼，两种未来，都在 1960 年代同时动工。我觉得这本书最值钱的地方，就是它把这条线拉出来了——市面上讲 AI 史的书，多半只讲赢的那一路。

p0235 接着写另一条线：反对者。1970 年威诺格拉德完成 SHRDLU，它成功展现了人工智能的潜能，或许是太成功了——多年之后人们指责它催生了这样的乐观主义：只要"升级"类似的程序，就能处理现实世界的复杂问题。20 世纪八九十年代，AI 研究圈普遍认为，只要积累大量的常识规则，便有可能打造出一个具备幼儿园孩子级别的推理能力的机器。

在这条乐观主义旁边，站着德雷福斯。他在麦卡锡提出人工智能概念 10 年后，写了一篇题为《人工智能与炼金术》的文章嘲讽 AI，1965 年由兰德公司出版。作者补了一个我很喜欢的细节：2014 年重制版的《机械战警》里，一位支持立法禁止机器人警察的美国议员，就被故意叫做"休伯特·德雷福斯"。一场学术争论，被记进了一部爆米花电影的彩蛋里，这大概是学者能得到的最高规格的报复。

二、"再攒点规则就行"——这句话我听过很多遍

读完 SHRDLU 那一段，我有一种强烈的既视感。1970 年的说法是"再多攒点常识规则"；1990 年代的说法是"再多攒点数据"；2020 年代的说法是"再多堆点算力、再多加几层"。句子的主语换了，句式一模一样。

而这句句式每次出现之后，都会跟着一段账本。p0185 这一页是全书我最想抄下来的一页：里根时代"星球大战计划"（SDI）的推动下，数额庞大的投资涌入了人工智能世界；这是军方主导的支出，但并不完全是为了军事应用，美国人正在酝酿专家系统的想法。最终，这一热潮带来了 40 家初创公司，而 1986 年美国与人工智能相关的软硬件销售额高达 4.25 亿美元。

4.25 亿美元，1986 年的钱。放到今天不算什么，但那是专家系统最风光的一年，也是第一批"AI 公司"诞生的年份。然后呢？书的第 4 章标题就叫"从寒冬到野蛮生长，人工智能的前世今生"，其中一节干脆叫"人工智能商业化的冬天"。

我喜欢这一页还因为它的边角细节：卡普兰在斯坦福只待了短短两年，然后收到两家 AI 初创公司抛来的橄榄枝。其中一家是埃德·费根鲍姆的 Teknowledge，"这家公司很快成为'专家系统咨询行业的凯迪拉克'"；另一家叫赛门铁克（Symantec）——"几十年后，它成长为一家巨型计算机安全公司，不过当初的赛门铁克则在从事人工智能数据库项目"。今天你电脑上那个杀毒软件公司，三十多年前是个 AI 数据库公司。这种细节没法编，只能是采访来的。

三、无人驾驶那一章：它跟了十年，然后被现实改了两次

第 2 章整章讲无人驾驶，是全书篇幅最厚的一章。它的写法是跟着人走：特瑟（应为特龙）的挑战赛、问鼎冠军的威廉·惠特克、塞巴斯蒂安·特龙"用科技重塑交通系统"、谷歌无人驾驶汽车的诞生、Mobileye 的另一种可能。

p0050 有一段的画面感很强。作者坐在特龙后面，特龙并没有在开车，而是"正聚精会神地盯着笔记本电脑屏幕上由车载激光器、雷达和摄像机采集的数据"；这辆名为"斯坦利"（Stanley）的车由车上装载的 5 台计算机上的软件程序驾驶；特龙是高级机器人导航技术 SLAM（即时定位与地图构建）的先驱，SLAM 已经成为使机器人探测陌生地形并找到路线的标准工具。然后在特龙右边的前排座椅之间，"有一个大大的红色'E-Stop'（紧急停止）按钮，在紧急情况下按下它，汽车的自动驾驶状态就将终止"。

这个红色按钮，是全书最好的一个隐喻。它跟今天每一台号称"自动驾驶"的量产车上的东西是同一个东西——技术往前跑了十年，人手里那个刹车按钮一直在。

更有意思的是作者自己的预期管理。p0090 写：自动驾驶汽车的下一阶段将在 2020 年之前到来，车辆将接手日常驾驶任务，不仅在塞车时，每天通勤的路上也是；通用汽车公司将这一功能称为"超级巡航"（Super Cruise），它标志着人类司机的角色将会出现转变——从手动控制到监督。然后作者引用舒瓦的判断：即使对谷歌来说，完全无人驾驶的汽车也仍然只存在于遥远的未来，因为完全无人驾驶的汽车将陷入"四向停车难题"——在没有红绿灯的路口，司机之间需要复杂的交流，而对于相互独立、互不连通的计算机系统来说，在可预见的未来想解决此类问题则更为困难。

他接着列了一串更麻烦的事：人类司机经常违背或忽略交通规则，行人也带来了很多难以处理的问题；我们还没有厘清人工智能车辆造成的事故在法律上如何界定。所以他给出的折中方案是：未来可能仍然不属于谷歌高瞻远瞩的全机械智能车，不过或许再过几年，机器人就能接管高速公路的驾驶——方法是加入复杂的传感器阵列，以及关注人类驾驶员的人工智能软件，"拥有超强意识的人类能够看得更远、更清晰，也许还能轻松切换到驾驶之外的其他任务上"。

这段写于十年前。今天回看，它几乎全中：高速领航辅助普及了，城市全无人还在少数城市试点，"四向停车"这种没有红绿灯的路口，仍然是机器最笨的地方。一个记者能做出这种判断，靠的不是模型，是他在那个赛道蹲了十年。

四、它最动人的一句，来自一个不打算安慰你的人

p0012 是前言的最后一页，落款"约翰·马尔科夫，于美国旧金山"。这一页值得整段抄下来：

在计算时代的黎明期，应用数学家、控制论创始人诺伯特·维纳（Norbert Wiener）就曾明确指出，智能机器时代的到来，带来了一些清晰的选择。不过到目前为止，大多数可选方案仍然仅限于推理与猜测。如今，随着机器变得自动、敏捷、能够四处移动，工程师、科学家、程序员以及老百姓所作出的每一个决定，都会即刻发生作用。
中国将会选择怎样一条道路，这一问题同样让人深思。

这段话之所以动人，是因为它没有给答案，也没有给安慰。它说的是"我们其实一直在猜"。一本讲 AI 历史的书，肯在开篇承认"大多数可选方案仅限于推理与猜测"，这个姿态本身就比很多给出十条趋势预测的书诚实。

结语里他又回到这件事（p0430）：2010 年他向《纽约时报》的编辑们阐述的想法与书中一脉相承——个人计算和互联网已经在过去 40 年间改变了全世界，人工智能和机器人将在未来几十年里产生更为深刻的影响。尽管机器正在越来越多地模仿人类的身体和智力能力，但归根结底，它们仍然是彻头彻尾的人造品。这些机器被制造的方式决定世界的未来是什么模样。

"被制造的方式决定世界的未来"，这句话是全书的心脏。它既不是技术决定论，也不是技术恐惧论，它说的是一件很朴素的事：AI 会变成什么样，取决于谁在造、为什么造、给谁用。这跟我们前两天读的那本《AI 万金油》里那句"它曾在谁的身上测试过"是同一个问题的两种问法，一个问来源，一个问后果。

五、它的短板

第一，也是最大的：书名是商业改名，属于换封面卖旧书。这本书的原作讲的是人机关系的两条路线，写于 2015 年前后；中文版挂上"AlphaGo 到多模态大模型进化史"，把一段 2015 年就结束的历史，包装成通向 2024 年的进化史。64 节目录里没有一个字提到 AlphaGo 或大模型，这是可以逐条核对的硬事实。我不反对出版社改书名，我反对改出一个书里没有的承诺。

第二，结构失衡：机器人工程挤掉了算法史。全书 8 章，第 2 章整章无人驾驶、第 7 章整章救援机器人（从机械兽到机械展馆、仿生机器人、DARPA 机器人挑战赛、机械手），两章加起来占了全书近三分之一。而真正决定今天格局的东西——反向传播、卷积网络、注意力机制、缩放定律——全部加起来只有"像人脑一样思考，人工神经网络出现突破""机器学习重燃人工智能研究"这样的两三节。你想从这本书里搞懂"为什么 2012 年之后突然就行了"，它会让你失望。它写的是机器人的历史，附带讲了 AI。

第三，人物密度过高，很多名字只活一页。64 节里出场的人物以几十计：杜瓦尔、恩格尔巴特、麦卡锡、莫维拉克、威诺格拉德、德雷福斯、特龙、惠特克、鲁宾、布拉德斯基、格鲁伯、奇耶、卡普兰……这是记者写史的通病——采访到谁就写谁，故事好听，逻辑被稀释。读完之后，你能记住很多轶事（赛门铁克原来是做 AI 数据库的、机械战警里的议员叫德雷福斯），但很难复述出一条完整的因果链。

第四，几乎没有数据，也没有失败的技术细节。全书最硬的数字就是 1986 年的 4.25 亿美元和 40 家初创公司。四次热潮、两次寒冬，每一次的规模、投资额、就业变化，书里都是叙述而不是统计。它告诉你"冬天来了"，没说冬天有多冷。

六、谁该读，怎么读

想做 AI 产品的人：读第 5 章"以人为本，重新定义机器智能"，尤其是 AI vs IA 那一节。它会帮你把"我这个东西是替代人还是增强人"这个问题想清楚，而这个问题决定了你的产品经理要不要被用户骂。

对自动驾驶感兴趣的人：只读第 2 章。十年前的四向停车难题、十年前对 Super Cruise 的判断，今天看仍然成立，这是极少见的。

想搞懂大模型的人：跳过。这本书帮不了你，而且书名会让你误以为它能帮。

最后一句话：这是一本好书，被一个坏书名拖累了。它写的是"我们该造什么样的机器"，不是"机器进化到了哪一步"。前者七十年不过时，后者两年就过期。出版社选了后者当卖点，等于把一本书的长处藏起来，去借一个它没有的热度——而这恰恰是这本书自己一直在批评的事：用人和机器的关系来讲，叫增强；用热度来讲，叫投机。

阅读记录：微信读书《人工智能简史：AlphaGo 到多模态大模型进化史》，约翰·马尔科夫著。全书 437 屏、8 章、64 节，逐页翻完，抓取 1427 秒，reached_end=true（end_reason=last_page）。逐字核对页码：p0012（前言末页，落款旧金山）、p0030（杜瓦尔与恩格尔巴特）、p0050（斯坦利与 E-Stop）、p0090（Super Cruise 与四向停车）、p0185（SDI、40 家初创、4.25 亿美元、赛门铁克）、p0235（SHRDLU 与德雷福斯）、p0430（结语）。64 节目录已逐条核对，无 AlphaGo、无大模型章节，非笔误。2026-11-12。