2.1 战争迷雾中的突破
1943年，当伦敦每夜都在遭受纳粹轰炸机的袭击时，在英格兰布莱切利庄园的一个秘密地下室里，一台被称为"巨人"(Colossus)的庞大机器正在创造历史。这台机器能在几小时内破译德军的密码——这项工作若靠人工完成需要数周时间。
"巨人"并不知道自己在破译密码，它只是在进行复杂的数学运算。但正是这种"盲目"的计算能力，开启了机器智能的时代。密码破译工作本质上是一个巨大的搜索问题：在无数种可能的密钥组合中找到正确的那一个。机器的优势不在于"理解"密码的含义，而在于能够毫不疲倦地尝试每一种可能性。
这种以计算速度换取智能表现的思路，成为整个AI发展史的核心主题之一。正如现代AI系统通过层次化的抽象行动来构建复杂计划 [1]，早期计算机通过层次化的数学运算来解决复杂问题。
战争的紧迫性催生了前所未有的创新动力。在大西洋彼岸，类似的故事也在上演：美国的ENIAC正在计算炮弹轨道，苏联的工程师在设计MESM，德国的康拉德·楚泽已经制造出可编程计算机Z3。全球都在同时觉醒于同一个可能性：机器不仅能执行重复的体力劳动，还能承担复杂的脑力工作。
2.2 图灵的理论奠基与全球硬件竞赛
故事要从1936年说起，那时艾伦·图灵还是剑桥大学的年轻数学家。他在论文中描述了一台理论机器——现在被称为"图灵机"——能够执行任何可算法描述的计算。这个看似抽象的数学概念，实际上为所有现代计算机奠定了理论基础。
图灵机的核心洞察是：任何计算问题都可以分解为简单的读取、写入和移动操作序列。就像一个极其耐心的文员，按照明确的规则处理无限长的纸带。这种抽象思维方式与现代AI系统的层次化规划思想有着深刻的连接 [4]——复杂的任务可以分解为更简单的子任务，直到达到可以直接执行的原始操作。
但理论需要实践来验证。在1940年代，四个国家的工程师几乎同时将图灵的抽象理念变为现实：
德国Z3（1941年）：第一台完全自动的可编程计算机，使用二进制浮点运算。15Please respect copyright.ＰＥＮＡＮＡbLF9fs14Pa
英国Colossus（1943年）：专门用于密码破译，展示了计算机在特定任务上的巨大潜力。15Please respect copyright.ＰＥＮＡＮＡOlV0IHMNMe
美国ENIAC（1946年）：重达30吨，有18,000个真空管，每秒能进行5,000次加法运算。15Please respect copyright.ＰＥＮＡＮＡNDNVCZYtZf
苏联MESM（1950年）：小规模实验机器，展示了苏联在计算科学方面的独立发展路径。
这些机器虽然设计目的不同，但都证明了同一个原理：机器可以自动执行复杂的逻辑运算。它们的计算能力虽然按今天的标准看来微不足道，但在当时代表了人类制造工具能力的巨大飞跃。
为了理解这种进步的惊人程度，考虑这样的对比：今天的智能手机，计算能力相当于数十万台ENIAC，却能放进口袋里，耗电量只有当年的万分之一。
2.3 机器的首次学习：塞缪尔的跳棋程序
仅仅能够计算还不算智能。真正的突破出现在机器开始学会改进自己的表现时。
1950年，信息论之父克劳德·香农发表了关于机器下棋的开创性论文。香农不只是想让机器会下棋，更想让机器下好棋。他提出的关键思想是"极大极小算法"——机器通过考虑所有可能的走法，选择对自己最有利、对对手最不利的那一步。
这个算法的精妙之处在于它模拟了人类的战略思维：我走这一步，对手会怎么应对？对手走那一步，我又该如何反击？但与人类不同的是，机器可以在几秒钟内考虑成千上万种可能性。
更令人惊叹的突破来自IBM的阿瑟·塞缪尔。1952年，他编写了一个跳棋程序，但这个程序有个特殊能力：它能与自己对弈，从每一局比赛中学习，不断改进策略。
用网球来类比：想象一个网球选手有一个完全一样的分身，两人可以无休止地对练。每次对练后，他们都会变得更强，然后继续对练，如此循环往复。几个月后，这个选手的水平已经超过了教练。
塞缪尔的程序就是这样工作的。它最初只是新手水平，但通过几千局自我对弈，最终能够击败塞缪尔本人——而塞缪尔是相当不错的跳棋手。这是人类历史上第一次，机器在某项智力任务上的表现超越了创造它的人。
2.4 约束中的创新智慧
今天很难想象1950年代计算机面临的硬件限制有多严苛。ENIAC的全部内存只有20个十进制数——还不如今天一条短信包含的信息多。IBM 701只有2048个字的内存——用今天的标准衡量，连存储一张小图片都不够。
正是这种极端的资源稀缺，迫使早期程序员开发出了极其精巧的算法。他们必须用最少的内存实现最多的功能，这种约束反而催生了许多经典的算法设计原则。
想象你要在一张名片大小的纸上写一部小说。你会被迫删除所有冗余，保留最精华的内容。早期的AI算法就是在这种约束下诞生的"精华"。
ENIAC的18,000个真空管平均每两天就要烧掉一个。这种硬件的不可靠性迫使工程师开发出错误检测和纠正机制——这些技术至今仍是现代计算机系统的基础。
有趣的是，不同国家因为资源和文化差异，发展出了不同的计算方法。苏联重视理论基础，开发了控制论；德国注重工程精度，制造了精密的机械计算设备；美国强调实用性，专注于军事和商业应用。这种多样性为后来的AI发展奠定了丰富的技术基础。
2.5 早期社会涟漪
计算智能的诞生与军事需求密不可分，这从一开始就引发了关于自动化武器的道德问题。当机器开始承担瞄准、射击的决策时，人类对生死的控制权似乎在逐渐让渡给算法。
更深远的影响出现在科学研究领域。天体物理学家开始用计算机模拟恒星演化，气象学家尝试预测天气模式，生物学家计算蛋白质结构。机器不再只是计算工具，而成了科学发现的伙伴。
一个常被忽视的历史细节是：早期的"计算机"(computer)指的是人，而且主要是女性。二战期间，成千上万的女性担任人工计算员，手工进行弹道计算。当机器开始接管这些工作时，许多女性转型成为程序员，成为计算机科学的先驱者。
章节过渡桥梁：计算已经被征服，研究者开始梦想更大的可能性——机器能够像人类一样操作抽象符号和概念吗？这个问题将开启AI发展的下一个篇章。
第2章关键术语：
- 存储程序计算机：将程序指令和数据存储在同一内存中的革命性设计，为现代计算机架构奠定基础
- 自我对弈：程序与自己的副本对战以改进策略的学习方法，展示了机器自我改进的早期形式
- 极大极小算法：通过考虑所有可能走法选择最优策略的决策算法，体现了早期AI的"暴力搜索"思想
- 真空管：早期计算机使用的电子开关器件，虽然易损坏但开启了电子计算时代
- 图灵机：理论计算模型，证明了机器可以执行任何算法描述的计算任务
然後按「加至主畫面」