下载掌阅APP，畅读海量书库
立即打开
在1956年的达特茅斯会议之后，符号人工智能阵营占据了人工智能的主导地位。20世纪60年代初，当罗森布拉特正积极投身于感知机的研究工作时，人工智能的四大创始人，也是符号人工智能阵营的伟大信徒，都各自创建了颇具影响力且资金充足的人工智能实验室：明斯基在麻省理工学院；麦卡锡在斯坦福大学；西蒙与纽厄尔在卡内基梅隆大学。值得注意的是，这三所大学至今仍然位于研究人工智能最负盛名的机构之列。明斯基认为，罗森布拉特以大脑为灵感的亚符号人工智能研究方法就是一条死胡同，而且正从更有价值的符号人工智能的研究中“窃取”研究资金 19 。1969年，明斯基和他在麻省理工学院的同事西摩·佩珀特（Seymour Papert）出版了一本名叫《感知机》（ Perceptrons ） 20 的书，书中给出了一个数学证明，表明感知机能够完美解决的问题类型非常有限，因为感知机学习算法随着任务规模的扩大需要大量的权重和阈值，所以表现不佳。
明斯基和佩珀特指出，如果一个感知机通过添加一个额外的模拟神经元“层”来增强能力，那么原则上，感知机能够解决的问题类型就广泛得多 21 ，带有这样一个附加层的感知机叫作多层神经网络。多层神经网络构成了许多现代人工智能技术的基础，下一章我将对其展开详细论述。在这里我要指出的是：在明斯基和佩珀特的书出版后，多层神经网络并没有得到广泛的研究，很大程度上是由于缺乏类似于感知机学习算法那样的对权重和阈值进行学习的通用算法。
明斯基和佩珀特对简单感知机的局限性的证明已广为该领域的人们所熟知 22 。罗森布拉特本人对多层感知机做了大量的研究工作，并意识到了训练多层感知机的困难 23 。研究者放弃对感知机的进一步研究，其主要原因并不是明斯基和佩珀特的数学证明，而是他们对多层神经网络的推测。
感知机有很多引人关注的特性：它的线性特征、有趣的学习定理，以及它作为一种并行计算而具有的明显的范式简洁性，但没有理由认为其中任何一个优点可以延展到多层神经网络。无论如何，我们的直觉判断是：这些延展是“不育的” 24 ，而如何阐明或驳斥我们的这一判断是一个重要的研究课题。
用现在的行话来说，最后一句可被称为“被动攻击”。这样消极的推测至少是造成20世纪60年代末神经网络研究经费枯竭的部分原因，而与此同时，符号人工智能则在挥霍着政府的资助。1971年，年仅43岁的罗森布拉特丧生于一次划船事故。没有了最杰出的倡导者，并且没有太多政府资金来支持，研究者对感知机和其他亚符号人工智能研究方法的相关探索基本上停止了，只有少数几个孤立的学术团体还在苦苦挣扎。