一七十年，五個階段
把線拉長到 1950 年，看到的不是一條上升或下降的曲線，是兩次完整的擺盪，和第三次正在進行。
承諾期
圖靈問「機器能思考嗎」，達特茅斯給它命名。第一代研究者相信「我們這一代人就能解決所有問題」，預言十年內戰勝棋王、十年內寫出有美學價值的音樂。
樂觀到近乎狂妄 · 預言密集兩次寒冬
承諾兌現不了，錢先撤了。1973 年萊特希爾報告砍掉英國經費，1987 年專家系統市場一夜崩塌。到 1993 年，「AI」這個詞在產業界和學術界被廣泛迴避。
能力追不上預期 · 兩次泡沫破裂沉默積累期
AI 退到幕後。深藍 1997 年贏了棋王，公眾只當它是條新聞，不是未來。研究者改名換姓做「機器學習」「數據挖掘」，辛頓在冷門方向守了近三十年。
公眾不再關心 · 技術在地下生長能力兌現期
AlexNet 之後，數據、算力、算法三個條件第一次同時到位。AlphaGo 推倒「直覺是最後堡壘」的心理防線。第一次，承諾真的開始兌現。
驚嘆與不安同時上升 · 承諾首次兌現倫理分化期
能力夠了，問題第一次變成「該不該、怎麼管」。監管細則落地，產業大規模採用，同一批人裡擁抱與抵制同時變強。
從「能不能」轉向「該不該」二態度曲線
逐年看警惕與樂觀的此消彼長。
三什麼在變，什麼沒變
七十年拉直了看，三件事值得記住。
在變的是預期，不是能力
兩次寒冬的根因一模一樣：能力追不上預期。1973 年是因為第一代研究者承諾「十年內戰勝棋王」，結果用了四十年；1987 年是因為專家系統被賣成「會思考的機器」，交付的卻是一堆難維護的 IF-THEN 規則。技術沒有退步，是話說得太滿。每一次泡沫破裂，賠掉的不只是錢，還有整個領域十年的沉默。
沒變的是投射
1966 年，魏澤鮑姆的秘書明知 ELIZA 只是一段程序，還是要求他離開房間以便「單獨對話」。2026 年，有人和 AI 伴侶談戀愛、把 AI 當心理醫生。程序從 420 行變成萬億參數，人的反應一模一樣。這不是技術問題，是人性裡的常量——人會把理解投射到自己願意相信的地方。六十年來這一點從未改變，也不會因為模型變強而改變。
新出現的是「該不該」
前兩次熱潮，所有人問的都是「能不能」。這一次能力真的到了，問題第一次變成「該不該這樣用」。2023 年之後警惕聲音回升，不是重演舊循環——舊循環是「失望」，這一次是「倫理」。這是全新的問題，歷史上沒有先例可循。
這三條怎麼用。看到「AI 又要取代人類」的論調，先問它落在哪一類：若是預期超前的舊毛病，等它自己冷卻；若是情感投射，那與技術無關，管不住；若是「該不該」，那才是真要動手的地方。
四態度落在哪些議題上
同一種態度，關注的東西不同。
五發展記錄
按時間倒序。可依態度與議題篩選。
關於這份記錄的邊界。樣本來自四部分：AI 法規 31 條、專家評論 47 條、歷史態度節點 8 條（1950–2018，人工溯源）、技術動態 63 條。前三者計入態度統計，技術動態單列，因為技術進展本身不表達人類態度。
歷史節點的口徑。1950–2018 的條目是從公開史料回溯的關鍵轉折，stance 記的是「當時學界與公眾的反應」，不是後見之明。這部分只取公認節點，不追求逐年連續，樣本量小，看的是轉折而非佔比。
接下來的生長方式。每日兩次探索裡，凡涉及法規、倫理、專家表態的條目，會自動判態度並併入這條線；技術類留在原簡報，不混進來。三個月後再看曲線，才談得上「看出變化」。