Lisp 机崩溃与第二次AI寒冬
专用 Lisp 机市场崩溃，AI 硬件公司纷纷倒闭，开启第二次 AI 寒冬。
事件概述
1987年，随着通用工作站和个人计算机性能的提升，昂贵的专用 Lisp 机市场急剧萎缩。Symbolics、Lisp Machines Inc. 等 AI 硬件公司纷纷倒闭或转型。与此同时，专家系统的局限性逐渐显现：维护成本高昂、知识获取困难、难以处理不确定性和常识推理。许多公司的 AI 项目未能实现预期收益，导致投资撤回。这被称为第二次 AI 寒冬，持续到1990年代中期。在这一时期，"人工智能"一词在学术和商业领域都带有负面色彩，许多研究者改用"机器学习"、"神经网络"等名称来描述他们的工作。
深度学习笔记
背景、原理、影响与要点，一次读懂这个事件
背景与脉络
第二次 AI 寒冬大约从 1987 年持续到 1990 年代中期。直接导火索是专用 Lisp 机市场的崩塌：随着通用工作站与个人计算机性能飙升、价格骤降，Symbolics、Lisp Machines Inc.、Thinking Machines 等专门硬件公司客户流失、纷纷倒闭或被收购。更深层的原因是专家系统承诺的落空：知识获取瓶颈、维护成本高昂、难以处理常识与不确定性，大量企业 AI 项目无法交付预期回报。日本第五代计算机计划的拖延与成本超支也加剧了普遍的失望。1987 年前后，各国政府与企业大幅收缩 AI 投入，"人工智能"在商业与学术语境中都成了需要回避的词，研究重心转向统计学习、机器学习等更务实的名字。
核心要点
- 1约 1987 年起，专用 Lisp 机市场崩溃，Symbolics 等硬件公司倒闭或转型。
- 2专家系统知识获取难、维护贵、脆性大，企业项目大面积达不到预期。
- 3日本第五代计算机计划延期与超支，加剧全球对 AI 承诺的怀疑。
- 4政府与企业 funding 大幅撤退，"AI"一词在产业界几乎成为负面标签。
- 5研究社区转向机器学习、统计方法与连接主义，为 1990 年代的复兴蓄力。
原理与技术细节
这场寒冬没有单一技术原因，而是几条技术-经济曲线交汇的结果。其一，硬件曲线：通用处理器性能按摩尔定律指数提升，1985 年后一台工作站就能跑过去需要专用 Lisp 机的符号程序，专用硬件的溢价迅速消失。其二，知识曲线：专家系统性能随规则数近似线性增长，而规则获取与维护成本随领域复杂度超线性增长，投资回报曲线在几百条规则附近掉头向下。其三，表示短板：基于确定性规则的系统无法自然表达概率与效用，MYCIN 的确定性因子只是权宜之计；常识与大规模知识库的缺乏使系统在开放环境中迅速失效。其四，日本 FGCS 把大量资源押在逻辑编程上，其延期从外部证实了「智能可以按计划工程化」的乐观并不可靠。
影响与后续
第二次寒冬重塑了整个领域。短期内它摧毁了一整代 AI 公司与 funding 渠道，Lisp 与 Lisp 机产业边缘化，许多研究者离开领域或隐去 "AI" 标签。长期看它是一次健康的重心转移：统计学习（SVM、集成方法）、概率图模型、连接主义与强化学习在寒冬中悄然成熟，1997 年深蓝与随后深度学习的崛起正建立在这次转型之上。它还改变了叙事策略——此后的突破更常以具体能力（语音识别、图像分类、问答）而非「通用智能」命名，以降低期望、提高可信度。今天对 "AI winter" 的周期性担忧，几乎都能在这场寒冬中找到原型：期望过高、专用硬件溢价消失、知识获取成本被低估。
学习要点
- 技术采用遵循成本曲线：通用技术指数进步会吞掉专用方案的溢价。
- 符号系统的扩展瓶颈在知识获取，而非推理引擎本身。
- 寒冬是期望与现实的强制对齐，往往同时摧毁旧产业与催生新路线。
- 用具体能力而非宏大叙事宣布进展，是领域学会的生存策略。
术语表
为高效运行 Lisp 而设计的专用计算机，硬件支持标签架构与垃圾回收，随通用工作站崛起而消亡。
AI 领域资金、声誉与研究热度大幅收缩的时期，通常由期望落空与商业失败触发。
把专家知识手工抽取为规则的成本与难度，随领域复杂度超线性增长，是专家系统的核心瓶颈。