人工智能的发展并非始于21世纪，而是源自长达三千年的人类信息管理史。从古代的泥板书库到现代的大型语言模型，其核心驱动力始终是应对日益增长的数据量。通过将知识转化为可重复的、系统化的程序，人类不断地将认知负担外包给外部系统。最终，这些程序被自动化， culminando en la IA moderna, que no es una ruptura histórica, sino la continuación lógica de un antiguo esfuerzo por organizar el conocimiento.
拥有“心智”的图书馆
公元前58年，罗马政治家西塞罗的图书馆被洗劫一空。卷轴散乱不堪，整个书库陷入混乱。图书管理员泰拉尼奥通过修复、整理卷轴并制作标题标签，恢复了图书馆的秩序。西塞罗对此惊叹不已，他写道：
自从泰拉尼奥整理了我的书，这所房子似乎拥有了心智（mens）。
这里的关键在于，西塞罗并未说图书馆获得了“灵魂”，而是“心智”或“智能”。这种智能并非来自泰拉尼奥本人，而是他施加于图书馆的 组织结构。一个有序的图书馆可以揭示联系、回答问题并扩展人类的思维，它本身就拥有一种独立于任何人的、可操作的人工智能。
最早的搜索引擎
信息量的增加催生了系统化的组织方式，这一模式在历史上反复出现。
赫梯帝国（3300年前）： 统治者保存了约7000块泥板，并为其建立了目录和元数据（如标题、内容描述、类型分类），以便在决策时快速检索特定条约或文件。
亚述帝国（2700年前）： 亚述巴尼拔国王的图书馆藏有约30000块泥板。档案管理员不仅使用标签和分类系统，还使用可擦写的蜡板作为动态数据库来记录新藏品。
亚历山大图书馆： 为了管理数十万卷纸莎草纸，图书管理员采用了更复杂的元数据，包括标题标签、类型分类，并创建了一部包含120卷的、按字母顺序排列的巨大目录。
这些跨越数个世纪和不同文化的解决方案惊人地相似，因为它们面对的是同一个恒久的问题：积累的信息需要一种可访问的组织和内在逻辑。一旦这种逻辑被建立，知识的检索和关联就变成了任何人都可以学习和重复的程序化操作。
印刷术带来的挑战升级
15世纪中叶，印刷术的到来引发了信息爆炸，进一步加剧了对信息组织的需求。在印刷机出现前的900年里，欧洲抄写员大约生产了1100万本书；而在之后的150年里，印刷机产出了超过2亿本。
学者们用旧方法应对新挑战：
- 罗伯特·格罗西特（13世纪）： 设计了一个庞大的表格索引，将他在古典文本中读到的所有主题进行分类，如同“羊皮纸上的谷歌”。
- 埃尔南多·科隆（16世纪）： 为他超过15000册的藏书创建了一个模拟的超链接网络。他的《摘要之书》提供了书籍的浓缩版本和元数据，而《主题之书》则允许研究者跨越作者和类型的界限，追踪一个主题在不同书籍中的线索。
这些努力的共同点是，它们都试图通过建立更强大的程序来跟上信息增长的速度。
将知识“原子化”
到了19世纪末，知识的工业化生产使信息过载问题更加严重。比利时人保罗·奥特莱特提出了一个革命性的想法：将书籍分解成最小的信息单元。
理想的做法是，剥离每篇文章或章节的华丽语言或重复内容，将所有新增的知识点分别收集在卡片上。
奥特莱特将信息分解为事实、解释、统计和来源，然后将它们记录在索引卡上。他摆脱了传统图书馆的线性分类法，用多个标签标记同一个事实，使信息分类可以横向和纵向进行。在1900年巴黎博览会上，他和伙伴展示了超过300万张索引卡的系统，最终目标是建立一个包含所有时代、所有语言、所有主题知识的“清单”。
奥特莱特的愿景未能完全实现，但他指明了下一步的方向：信息不仅需要组织，还需要 跨维度的即时检索。
思考的机器
20世纪，工程师范内瓦·布什进一步推动了这一理念。他担忧研究成果会迷失在海量的信息中，并构想了一台名为 Memex 的模拟个人计算机。
我们正陷入困境。研究成果堆积如山，研究人员被成千上万同行的发现和结论所轰炸，他们根本没有时间去掌握。
Memex 的设想包括：
- 使用缩微胶卷存储数据，通过键盘和屏幕进行快速搜索。
- 创建名为 “关联轨迹” 的链接，将不同主题、不同类型的文档（文本、图像、音频）灵活地联系起来，这正是今天互联网超链接的前身。
- 机器不仅存储信息，还能承担部分认知负担，如观察用户偏好、自主创建研究简报。
布什将知识的程序化推向了 自动化。他认为，既然智力工作可以被形式化为程序，那么机器就可以像人类一样执行这些程序。
从“辅助认知”到人工智能
J.C.R. 利克莱德在20世纪60年代进一步深化了布什的愿景，提出了“人机共生”的概念。他认为，大约85%的智力工作（如搜索数据、计算、综合信息）都是为更深层次的创造性工作做准备。
利克莱德设想了“辅助认知系统”，这种系统可以：
- 像奥特莱特一样，将书籍分解为离散的信息块。
- 由计算机消化数据，并执行预定义的程序（搜索、关联、转换）。
- 用户只需下达指令，观察结果，然后决定下一步操作，这与今天人们与ChatGPT等大型语言模型的交互方式非常相似。
利克莱德的工作直接促成了ARPANET（互联网的前身）的诞生。万维网的发明者蒂姆·伯纳斯-李也曾预言，当网络变得足够庞大时，将需要 “自动分析”，也就是人工智能，来维持其可导航性。
三千年的成果
我们并非在21世纪才发明人工智能，而是建设了它三千年。从古代图书馆到现代AI，其发展轨迹具有明显的路径依赖性。
- 增长驱动： 数据量的增长创造了压力。
- 程序化： 人类通过发现信息内在的逻辑，并将其编纂成可执行的程序来应对。
- 自动化： 一旦操作被形式化为程序，自动化就成为可能。
今天的大型语言模型与古代图书馆的核心逻辑是相同的：智能源于信息的系统化排列。区别在于，过去由人类执行的搜索、关联和重组等操作，现在可以由机器以极高的速度自动完成。我们并没有创造一种新的意识，只是训练了那些古老的程序，让它们自己运行起来。