下载掌阅APP，畅读海量书库
立即打开
1969年，西摩尔·帕普特（Seymour Papert）和马文·明斯基（后者在20世纪50年代曾热衷于人工神经网络的研究，后来放弃了）联合出版《感知器：计算几何学概论》一书。 [1] 他们在书中指出了学习机的局限性，其中有些局限性对于技术发展会造成严重阻碍。因此对他们来说，神经网络的研究之旅已经走入了死胡同。这两位都是麻省理工学院极负盛名的权威教授，他们的作品在领域内引起了轰动：资助机构纷纷退出，不再支持该领域的研究工作。与GOFAI一样，神经网络的研究也遭遇了它的第一个“冬天”。
大多数科学家不再谈论制造具有学习能力的智能机器之事，转而把目光转向了更容易落地的项目。比如，运用一些原本用来研究神经网络的方法创建了“自适应滤波”，这是许多现代通信技术的起源。在此之前，当我们通过电话线在两台计算机之间交换数据时，电话线可能会发生以下情形：我们输入一个二进制信号，电压从0伏升到48伏，而信号在距离目的地还剩几公里时就已经损坏了。但现在，自适应滤波器能将其复原，这个过程是通过以其发明者鲍勃·拉迪（Bob Lucky）的名字命名的Lucky算法实现的。20世纪80年代后期，鲍勃·拉迪曾在贝尔实验室担任部门经理，领导着约300人工作，我也是其中一员。
如果没有自适应滤波，就不会出现带扬声器的电话。扬声器可以让我们对着麦克风讲话，而它不需要同时记录对话者说的话（有时我们能听到自己在说话）。回声消除器使用的算法与感知器使用的算法非常相似。
如果没有自适应滤波，也不会出现调制解调器
。调制解调器能让一台计算机通过电话线或任何通信线路与另一台计算机实现通信。
[1] Marvin L. Minsky, Seymour A. Papert, Perceptrons : An Introduction to Computional Geometry , The MIT Press, 1969.