在 AI 的历史里，神经网络曾经沉寂过一大段岁月。故事的两个端点都很清楚：1958 年，感知机作为一台会「学习」的机器登上报端；1969 年，明斯基与帕珀特出版《感知机》一书，把单层网络的能力边界用数学说清。这中间发生了什么，经费是怎么从这条线上撤走的，公开文献里的说法有讲究的分寸——这篇按公开记录把它讲清楚。
先弄清感知机是什么
感知机是美国研究者罗森布拉特在五十年代提出的模型：输入一组数值，各自乘上可调的权重，加总超过某个阈值就输出一个判断——它的关键是权重不靠人设定，而是靠样本自动调整，也就是会「学习」。1958 年，康奈尔航空实验室的马克一号感知机对外演示，媒体报道相当乐观，公开报道里有「未来能自己走路、说话、有感知」一类表述的转述，负责资助的美国海军也给了支持。以公开资料看，演示本身是真实的，预期则被媒体放大了不少。
1969 年那本书说了什么
1969 年，明斯基与帕珀特出版《感知机》，用数学方法分析这个模型，核心结论指向单层结构：单层感知机连异或这类最简单的非线性问题都表示不了，因为它的判断面只能画一条直线。需要强调公开记录里常被略过的后半句：两位作者在书中明确指出，多层结构原则上可以绕开这个限制，只是当时没有已知的有效训练方法。这本书批评的是一种特定结构的表达边界，没有宣告整条研究路线的死刑。
明斯基本人的两面也值得放在一起看：他是达特茅斯会议提案人之一，后来与麦卡锡共同创建 MIT 实验室，见明斯基人物篇。他对早期学习装置的投入与他对感知机的批评同属公开记录，合并看比单看一面更准确。
经费为什么转向
《感知机》出版后，神经网络方向的资助与人员明显收缩，研究重心转向符号方法——这条归纳在公开文献中反复出现。但要把它说准，得补两点。第一，退潮的成因是多方面的：七十年代中期，机器翻译等方向的评估结论相继不利，整个 AI 领域的经费都在收缩，见AI 寒冬一篇；把第一次寒冬全部归因于一本书，并不准确。第二，多层网络当时确实缺少可行的训练方法，这条线在技术上暂时走不动，属于结构边界加方法缺位的叠加，缺哪一半都不会是后来的走向。
冬天之后的翻案
翻案分两步。1986 年，反向传播算法被系统推广，多层网络的训练有了可行解法，这条线的公开文献从此回升，见辛顿人物篇；2012 年，深度网络在 ImageNet 竞赛上大幅刷新成绩，学习路线正式回到主桌，见ImageNet 竞赛一篇。回头看 1969 年那本书，它的结论并没有被推翻——单层确实不行；被推翻的是引申：单层不行不等于多层无用，更不等于学习路线没用。多层训练方法的缺位，才是当年的真正瓶颈。
| 项 | 结论 | 后来的命运 |
|---|---|---|
| 单层感知机表示不了异或 | 数学结论 | 至今成立，没有被推翻 |
| 多层结构原则上可绕开限制 | 书中明确写出的后半句 | 事后看比任何乐观或悲观断言都准 |
| 「单层已经够用」 | 外界引申出来的预期 | 被推翻 |
| 「学习路线没用」 | 外界引申出来的结论 | 被推翻，1986 与 2012 两次翻案 |
感知机节点速查
- 1943 年：神经元数学模型问世（MP 模型）
- 1958 年：罗森布拉特演示感知机，媒体报道乐观
- 1969 年：《感知机》出版，论证单层结构无法表示异或
- 1970 年代中期：经费收缩，符号路线占主位
- 1986 年：反向传播推广，多层网络可训练
- 2012 年：深度网络在 ImageNet 竞赛大幅领先
这段历史与今天的关联
今天大模型的核心构件仍是多层神经网络，明斯基当年「多层原则上可行，缺的是训练方法」这句话，事后看比任何一句乐观或悲观的断言都更准。这段历史留下两个实用判断。其一，看批评要看它批的是结构边界还是路线本身，两者分量完全不同。其二，验证一段宣传，可靠的办法是自己动手：当年感知机的成绩靠演示，今天 DeepSeek、Kimi、豆包的成绩可以随时实测，评测的透明度已经完全是另一个时代。
关于感知机的三问三答
- 明斯基当时是想搞垮神经网络吗？：公开文献不支持这个说法。书中结论限定在单层结构，并指出多层可绕开限制；后来经费收缩的因果强度，学界有不同归纳。
- 感知机错了吗？：没有。单层感知机做不了异或，这个数学结论至今成立；后来被超越的是「单层已经够用」这类预期，而不是感知机本身的数学。
- 异或问题到底有多重要？：它只是一道极小的逻辑题，但因为单层网络连它都表示不了，说明表达能力有硬上限；对当时把感知机当成通用学习机器的预期，这是一次精确的降温。
