七十年，三次浪潮

开场先建立一个事实：这个领域反复自信过，也反复自我否认过。学生对当下的判断，需要这个背景。

可以问：如果 1965 年和 1985 年的专家都说错了，今天的专家凭什么说得准？本章末尾会给出一个回答方式。

务必强调图注：这条起伏的曲线是期待，不是能力。两次寒冬里，能力并没有倒退，倒退的是信心和钱。

「积木世界」值得解释一句：在一个只有几块积木的微型世界里，程序确实能听懂「把红色方块放在绿色方块上」。问题是这个世界一放大就崩了。

这两堵墙在今天以新的形式仍然存在：组合爆炸对应智能体的长任务规划（第十二章），常识问题对应模型的世界知识（第十章）。

这是科学传播失真的经典案例：一个精确的、范围有限的数学结论，被读成了一个宽泛的否定判断。

强调「它真的管用」。第二次浪潮不是骗局，这让它的崩塌更值得研究。

这个例子最好现场演绎：让学生轮流补一条例外，补到第六七条时全场会笑，那个笑点就是「框架问题」。

这一页在全书里的位置很关键：第四、五章的所有内容都是 1990 年代这批人确立的，它们比任何一个具体模型都长寿。

「能读支票」是个好细节：深度学习最早的大规模商业应用，比 2012 年早了十五年，只是没人把它当成 AI（又一次 AI 效应）。

让学生体会这个数字的冲击力：相当于一个成熟赛道上突然有人把纪录提高了一大截，而且用的还是被判过死刑的老方法。

「新的不是想法」这句话请重复一遍。卷积网络是 1980 年代的，反向传播也是。

这张三角形图是本章最值得背下来的分析工具，下一页的「三个问题」就是它的使用方法。

如果学生问「那堆钱到底买了什么」，答案就在这里：买的是三角形里的两个角。

2017 那篇论文的标题当年被认为「有点狂妄」，现在看是本领域最著名的标题之一。

提醒学生去看网站上的「此刻」页。课程内容里最容易过时的部分被刻意隔离在那一页。

两个现实意义：一、第十一章讲的「在自己的服务器上跑接近前沿的模型」成为可行选项——本站的伴读助手就跑在校内的开源模型服务上。二、这一页的内容会比其他章更早过时。

第一条最实用，可以现场演示：找一段 AI 产品宣传视频，逐帧问「这是挑出来的还是随机的」。

对学生（尤其是研究生）来说，这一页的价值不在励志，而在理解科研的时间尺度。

这个故事对文科背景的学生特别有吸引力，也很适合作为「技术史中的偶然性」的例子。

不要替学生下结论。本章不给「这次一定成」或「这次也是泡沫」的判断，只给下一页那把尺子。