1955年的AI计划进展如何？出乎意料地好
1955年8月31日，约翰·麦卡锡、马文·明斯基、内森尼尔·罗切斯特和克劳德·香农向洛克菲勒基金会请求13,500美元，用于举办为期两个月的活动，达特茅斯学院十人人工智能研究.
他们的提案列出了七个问题。
截至2026年9月，机器使用语言，训练有素的神经网络形成可用的概念，系统解决了许多曾经属于人类的问题。自我提升远不及机器设计自己的继任者。从原始物理场景中提取的抽象在已发表的世界模型测试中仍然会被破解。
该提案的猜测是“学习的每一个方面或智能的其他特征原则上都可以被精确描述，以至于可以制造机器来模拟它。”作者们预期一个夏天内将有“重大进展”。1956年研讨会没有产生书面报告。
资助与夏季
麦卡锡请求13,500美元。洛克菲勒基金会的罗伯特·莫里森提出为期五周的7,500美元。1955年11月30日，他写道该领域“仍然难以清晰掌握”，基金会更倾向于“一次适度的赌注”。来源：洛克菲勒档案中心，信件引用于“满屋子脑子。”
基金会后来的记载称1956年的项目为五周。资料来源：洛克菲勒基金会，2025年11月13日。雷·所罗门诺夫（Ray Solomonoff）的笔记将会议时间定于1956年6月18日至8月17日，约八周。麦卡锡、明斯基和所罗门诺夫全程出席。其他受邀研究人员则持续数天或数周。麦卡锡在流传的提案中补充了1996年的说明：“没有报告。”
七个问题
该提案共列了七个“人工智能问题的方面”。右侧列为截至2026年9月1日的公开记录。
| 1955年措辞 | 公共记录，2026年9月 |
|---|---|
| 自动计算机 | 作者写道：“主要障碍不是机器容量不足，而是我们无法充分利用现有资源编写程序。”后来，在大型计算机上训练大型网络成为推动其他项目移动的方法。 |
| 计算机如何被编程去使用一种语言 | 大型语言模型以自然语言为输入，生成语言、代码和工具调用。麦卡锡要求一种带有猜想和自指规则的形式语言。工作系统使用统计下一个标记预测。 |
| 神经元网 | 深度网络在规模上训练，形成支持分类、生成和规划的表示。1955年的例子是与Uttley、Rashevsky、Pitts and McCulloch、Farley and Clark以及Minsky相关的小型理论网。 |
| 计算规模理论 | 香农和麦卡锡希望通过函数复杂性理论来衡量计算效率。可用的替代方法是经验缩放曲线和在回答时花费的额外计算。 |
| 自我提升 | Anthropic报道称，2026年5月，其生产代码库中超过80%的代码由Claude编写，较2025年2月Claude Code发布前的个位数有所增加，工程师每季度交付的代码量约是2024年的八倍。同一帖子还指出，目前尚不存在“完全自主设计和开发自身继任者”的系统。 |
| 抽象 | 基于文本和代码训练的模型形成跨检测、存储库和语言的抽象。训练用于预测物理场景下一状态的模型，在颜色或背景变化时仍未通过已发布的鲁棒性测试。 |
| 随机性与创造力 | 罗切斯特描述了“受控随机性”，在原本有序的思维中。电流生成器从学习分布中抽样（温度、扩散噪声、强化学习探索）。该采样是否算作发明，是提案未决的问题。 |
人类数据：《当人工智能自我构建》，发表于2026年6月4日，引用自公司同期报道。福布斯对拟人文文本的总结
每位作者都说过他们会做什么
作者 | 1955年研究笔记 | 公共系统中的后期模拟 |
|---|---|---|
香农 | 可靠的计算与不可靠的部分;信息在闭环中流动;一系列简单环境与适应它们的模型 | 带反馈的代理循环。在有限模拟环境中开始的世界模型训练。 |
明斯基 | 感官抽象与运动抽象结合，机器构建“环境的抽象模型”，在该模型中尝试计划，然后行动 | 基于模型的智能体。视觉-语言-动作机器人。学习世界模型。 |
罗切斯特 | 通过修改一个正在失效的内部“引擎”来实现原创性，而不是执行随机指令 | 搜索加上验证器。对于训练数据中没有公认解的问题，仍然是一种开放的方法。 |
麦卡锡 | 一种简洁、可以定义其他语言、可以指代其用户、并且具有猜想规则和证明规则的人造语言 | 自然语言模型作为推理与行动的接口。形式猜想规则未被构建。 |
语言、网和曾经只属于人类的问题
麦卡锡的语言部分是进展最远的部分。当前系统对话、编写代码，并保持上下文窗口以数十万到一百万个令牌为单位。它们没有实现他提出的猜想规则。
第3项在2012年后移动，当时大型训练网络取代了1955年命名的小型网络。这些表示并未被写成开端猜想所需的“精确描述”。
关于“现留给人类”的问题，2025-2026学年公开评估包括结构化测试中国际数学奥林匹克题目金牌级别的成绩。这些是考试和竞赛条件。
自我提升的出版版本
2026年6月4日的Anthropic帖子提供了内部生产数量。80%的数字是2026年5月归属于Claude的合并生产代码份额。8×数字是2026年第二季度每位工程师每季度出货的代码，与2024年基线相比。
同一篇文章将递归自我提升定义为一个人工智能系统，它设计并开发自己的继任者，而无需人类推动每一步。文章指出，这并未发生，也不是必然的。
另一篇公开研究描述了有界循环，其中一个代理在数天内重写另一个代理的软件机束。这些循环不会从零训练新的基础模型。
世界模型与第六项
明斯基写道，除非机器形成感官和运动抽象，并用它们来预测“如果相应的运动行为实际发生，可能预期的环境变化”，否则进展将会很缓慢。
Google DeepMind于2025年8月5日宣布Genie 3，作为一款全球模型，生成720p和24帧每秒的交互环境，“保持几分钟内的一致性”。深心
Project Genie是一个运行Genie 3的网页原型，于2026年1月29日在美国向Google AI Ultra订阅者开放。谷歌
Google DeepMind于2026年7月30日宣布了Gemini Robotics 2，是一款视觉-语言-动作模型，能够“将视觉和语言输入转化为运动控制”，适用于“从脚到指尖”的完整人形生物，同时还包括具身推理规划器（ER 2）和设备端变体。ER 2是通过Gemini接口被描述为可访问的型号。全身和设备内模型则被称为抢先体验。深心
另一条线预测的是潜态，而非像素。V-JEPA 2（2025年6月）是一个视频关节嵌入模型，训练用于理解、预测和规划。arXiv：2506.09985
LeJEPA增加了高斯正则化子。2026年5月25日发表的论文《LeJEPA何时学习世界模型？》证明了当潜变量为高斯且动态静止且带有加性噪声时，潜变量的线性恢复性。arXiv：2605.26379
评估平台“stable-worldmodel”于2026年5月20日发布，作者包括Yann LeCun，报告称测试世界模型在Push-T操作任务中，当视觉细节变化时会下降：在干净环境下约有50%成功率，当代理颜色变化时约12%，背景颜色变化时约6%。这些数据是论文报告的数据。
像素生成器如Genie耗费空间于外观，并可被肉眼观察。嵌入模型如JEPA会将像素和计划置于潜空间中。2026年5月的证明适用于定义的一类世界。它并未说明物理世界属于该类。
项目1并计算
1955年的教材将机器容量视为编程技能的次要。推动第2和第3题，以及“人类保留题”考试式部分的路径，是运行在大型计算机上的大型训练网络。形式复杂性理论则与第4题分开发展。P与NP的争论仍未解决。
点赞
收藏
点踩
分享