一句话看懂：1950年图灵在《Mind》发表《计算机器与智能》，首次把”机器能思考吗”从哲学幻想变成可讨论的工程问题；而在这之前的1943—1949年，McCulloch-Pitts神经元、Hebb学习规则与Wiener反馈思想，已经为”机器如何学习”铺好了理论地基。
事件核心：发生了什么
1950年10月，Alan Turing在英国哲学期刊《Mind》发表《Computing Machinery and Intelligence》，开篇直接抛出”机器能思考吗”。当时电子计算机已具备关键条件：ACE通用计算机设计、Manchester Baby证明程序可存入机器内存、美国ENIAC展示电子计算速度。机器不再只是固定动作的机械工具，更换程序即可执行不同行为，问题因此从神话变成工程问题。
更早的理论铺垫同样关键。1943年，Warren McCulloch与Walter Pitts发表论文，把生物神经元简化为0/1阈值单元，证明AND、OR、NOT等布尔逻辑可由神经网络组合实现，提出”智能可能来自大量简单单元的组织方式”。1949年，加拿大心理学家Donald Hebb在《行为的组织》中提出连接强度可随重复共同活动增强，即后来被概括为”一起活动的神经元连接更强”。1948年，Norbert Wiener出版《Cybernetics》，把”感知—行动—反馈—调整”的反馈结构同时用于动物与机器。图灵本人1948年的《Intelligent Machinery》报告也已研究由简单单元连接而成的”unorganised machines”。
为什么重要
这一阶段确立了此后所有AI训练路线的底层逻辑：不是由设计者逐条写死行为，而是让经验改变系统内部连接。它直接对应今天的神经网络、反向传播、深度学习和强化学习——程序员不逐句规定大模型输出什么，而是通过大规模数据改变网络参数。同时，反馈思想让机器进入”感知环境、修正行为”的闭环，这更接近当前智能体（Agent）与推理系统的运行方式。
对用户/开发者/创作者的影响
对开发者而言，这段历史解释了为什么模型能力更强依赖训练数据与参数调整，而非堆叠固定规则；理解”经验改变连接”有助于排查过拟合、微调失效等问题。对创作者和企业采购方，理解反馈闭环能更理性判断AI应用边界：当前大模型在语言、图像生成上的表现，本质仍是统计学习与反馈优化的结果，不等于具备人类意义上的”思考”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是关注McCulloch-Pitts与Hebb思想如何经感知机、反向传播演化到Transformer；二是观察当前大模型在反馈与学习机制上是否出现新范式，例如持续学习与在线更新；三是留意图灵1948年”unorganised machines”思路与当今神经网络架构之间的历史呼应。
