卷积网络的思路从哪来？福岛邦彦的 1980 年新认知机

今天用手机拍一张照片，AI 就能告诉你拍的是什么——这套视觉能力的家谱往上追，公开文献会把你带到一位日本研究者面前：福岛邦彦。1980 年，他在日本广播协会（NHK）的技术研究所发表「新认知机」论文，给出了一套分层处理图像的网络设计，比卷积网络在 2012 年 ImageNet 竞赛上的胜利早了三十多年。这篇按公开论文讲清楚：它的思路从猫视皮层研究里拿来什么，怎么成为杨立昆 LeNet 的直接源头，以及为什么等了三十年才等来条件成熟。

猫视皮层给的两个提示

新认知机的设计思想有明确的公开来源。上世纪五六十年代，休伯尔与威泽尔在猫的视皮层里发现两类细胞：简单细胞对特定方向的条纹有反应，条纹换个角度它就不理；复杂细胞对位置偏移不那么敏感，图案挪一挪照样有响应。两人后来因这项研究获得诺贝尔奖，公开论文发表在五六十年代。福岛把这两种机制搬进了网络结构：一类单元负责提取特征，另一类单元负责容忍位置变化，两者交替堆叠，一层层往上。

在此之前，他已经做过一次铺垫：1975 年发表的「认知机」论文提出一种可以自组织学习的多层网络。1980 年的新认知机是在它基础上的系统升级，「认知」二字指的是模式识别里的模式，与今天大众语境里的认知一词用法不同，读旧论文时值得留意。

1980 年的新认知机

新认知机要解决的问题写在论文里：让机器认图形时，不受位置、大小与变形的干扰。结构上，网络由 S 层与 C 层交替堆成——S 层做特征提取，C 层做位置容忍；前一层的小块局部特征，汇合成后一层更大范围的特征，越往上越抽象，越能忽略图形在画面里的平移与变形。训练以自组织学习为主：网络从样本里自己调整连接强度，不依赖逐个标注的答案。1983 年，他还公开了带选择性注意机制的修订版，演示过手写数字等识别任务。这些细节都在他历年公开发表的论文里，具体数字与版本以原始论文为准。

人物履历与后续研究的完整梳理，见福岛邦彦人物一篇，本篇只讲这份设计的来路与去向。

从新认知机到 LeNet

谱系的下一环在贝尔实验室。八十年代末，杨立昆把反向传播算法接到类似的分层结构上，用带标注的数据训练网络识别手写数字，1989 年前后就有了邮政编码识别的公开论文，此后 LeNet 系列一版版迭代下去，这段十年工程的细节见杨立昆在贝尔实验室一篇。公开文献里的说法相当一致：LeNet 的论文引用了新认知机，杨立昆也多次在公开演讲里把福岛列为卷积网络的前驱。两条线的差别同样公开可查：新认知机以自组织学习为主，LeNet 用反向传播做有监督训练——反向传播方法的推广经过见反向传播一篇——在当时的任务上，后者跑得更快。

迟到三十年的正名

这套结构等翻身等了三十年：窄领域的数字识别在九十年代已经落地，但要成为视觉研究的主流，得等数据与算力条件成熟。1998 年 LeNet 落地银行支票识别，2012 年 AlexNet 用同一种结构拿下 ImageNet 竞赛冠军、错误率大幅低于第二名，深度学习自此回到主桌，夺冠经过见AlexNet 拿冠军一篇。新认知机提出时没人叫它卷积网络，等这个名字流行起来，它已经在生产系统里服役多年。

1959 年起：休伯尔与威泽尔发表猫视皮层简单细胞与复杂细胞的公开研究；1975 年：福岛发表认知机论文；1980 年：新认知机论文发表于《生物控制论》；1983 年：带选择性注意的修订版公开；1989 年前后：杨立昆用反向传播训练卷积网络识别邮政编码；1998 年：LeNet-5 落地支票识别；2012 年：AlexNet 夺冠，卷积网络成为视觉主流。

与今天的关联很直接：你用豆包拍一张菜单识别菜品、用腾讯元宝扫描票据提取数字，背后视觉模型的骨架仍是那几样构件——局部感受、逐层抽象、对位置偏移的容忍。新认知机当年用自组织学习啃的问题，今天的模型用海量标注加算力重新解决了一遍，但「分层提取视觉特征」这个骨架，1980 年那张图纸上已经画好了。

关于新认知机的三问三答

• 新认知机是谁提出的？日本研究者福岛邦彦，1980 年论文发表于《生物控制论》，当时他在 NHK 技术研究所工作，人物履历见福岛邦彦人物篇。
• 它和今天的卷积网络什么关系？公开文献普遍视它为卷积网络的直接源头之一：分层提取特征加位置容忍的结构同源，LeNet 论文引用了它，杨立昆也公开把福岛列为前驱。
• 为什么它当时没有流行起来？以公开资料看，当时数据与算力条件不足，自组织学习的训练方式在工程任务上也不如反向传播直接；条件成熟要等到 2012 年前后。