最成功的失败者：Lisp
人工智能的雏形出现的远比大家想象的早，甚至可以追溯到计算机刚出现的那几年。1948年，时年21岁的约翰·麦卡锡，也就是我们故事中的“人工智能之父”，在加州理工大学的“行为的大脑机制西克森研讨会（Hixon Symposiumon Cerebral Mechanism in Behavior at CalTech）”，在那里著名的冯·诺依曼给与会者看了他的关于“自复制自动机”（就是一种可以自我复制的机器）的论文，这让麦卡锡对研究机器的智能产生了兴趣。
1955年，麦卡锡和香农、明斯基（后面也会提到他）和罗彻斯特联合发起了达特茅斯项目，第二年这个项目正式启动，它是计算机发展史上的一个里程碑，目的是在2个月内建立相关理论并制造出一台模拟人类学习特征的机器。当然我们都知道，如此宏大的目标是不可能在两个月内实现的。最终他们完全没有达到会议的目标。但是它确立了一些研究方法和目标，为后世的研究奠定了坚实的基础。
不过这还不是麦卡锡做出的最大的贡献。麦卡锡为人工智能，乃至整个世界做出的最大的贡献无疑是创造了Lisp语言。这种语言几乎可以划为最高级和简洁的编程语言了。其理念之超前，功能之强大，直到今天主流的编程语言才慢慢赶上。甚至有人称，Lisp根本不是一种编程语言，而是一种数学。而数学是永远不会落伍的，所以Lisp才能在50年以上的尺度中不仅没有落伍，反而走在了所有人的前面。
然而Lisp并没能一扫计算机领域，成为所有人的标准选择。究其原因令人讽刺:Lisp的没落反而正是因为它太过强大。由于其实现的机理过于基本、能力太过强大、而使用方式又如此自由，以至于几乎每一个人想要做的每一件事都能让人想到无数种方法去实现。而这导致了Lisp没有一个标准化的教学模板可循，倒成了阻碍Lisp普及的最大理由。
虽然Lisp没有普及，但是学习它的人都成了它的死忠。很多年后，Lisp的几种“方言”（变种）终于开始有了崛起的趋势，许多主流语言也开始借鉴Lisp的优秀之处。而这距离Lisp问世已经过去太久了。我们只能慨其不幸了。但同时我们也相信，金子总能发光。
险被埋没的未来
Lisp的遭遇对人工智能的发展的挫折其实倒并不是太直接，毕竟就算没有太先进的语言，人们用低级一点的语言总也能实现。但人工智能的另一位父亲（或者说母亲）则亲手断送了自己过孩子十年的前程。直接导致了一段AI研究的时间超长的低潮期。
马文·明斯基于1946年进入哈佛大学，1950年毕业并进入普林斯顿大学研究生院深造。1951年他创建了世界上第一个神经网络模拟器，能够学习如何穿越一个迷宫。前面提到，他也是当年达特茅斯会议的参会者之一。
他在神经网络方面做出的研究在后世被证明至少是AI研究领域绝佳的尝试之一。然而这位神经网络的重要缔造者，却几乎曾亲手将这个理论送进了坟墓。1969年，明斯基被授予了计算机界的至高荣誉：图灵奖。但也就是在同一年，他与西蒙·派帕特（Seymour Papert）合著了一本名为“感知机”的书。明斯基在其中断定神经网络不是未来人工智能的方向，由于他在学界内具有相当的权威，因此这本书立刻导致与神经网络相关的研究陷入了一个长时间的低潮。
明斯基对此给出的理由是：
一：单层神经网络无法处理“异或”电路；
二，当时的计算机缺乏足够的计算能力，满足大型神经网络长时间运行的需求。
事实证明，人们对于科学的未来的估计要么就是过于乐观，要么就是过于悲观。而很少有人能做出准确的预测。毫无疑问明斯基的预测也过于悲观了。很快随着计算机运算速度的飞速发展，他提出的这两个问题很快不再是问题。但当时人们没法预测到这些，70年代成为了人工智能的寒冬，只有除了包括后来加入谷歌的专家杰弗里·辛顿(Geoffrey Hinton)等少数人仍在坚持进行神经网络的研究，知道1978年，事情才迎来转机。在许多科学家的不懈努力之下，才有了人工智能后来取得的一系列成就，包括深蓝和后来的AlphaGo。
Timing means a lot
在这两个故事里，我们最大的感慨还是“时机”的重要性，Lisp和神经网络可以说都是划时代的作品和概念，甚至各自代表着各自领域内的未来，但是都因为出现的太早而遭受冷落，甚至被自己的作者认为没有前途。但我们也不用担心人类会因此错过什么伟大的发明，因为未来总会到来。一切的不合时宜最终都会变成天时地利。如果你仍在某个领域苦苦奋斗而没有太多成效，不用心急，或许只是你的时代还没有到来罢了~
