AI七秩风云录：感知器的崛起与困局

感知器在当时引发的轩然大波，凭借的究竟是什么？它实质是什么，又不是什么。

罗森布拉特所构想的感知器，从技术角度而言颇为朴素。其架构仅包含两层：输入层与输出层。输入层衔接"感官"，例如光敏元件，负责摄取图像数据；输出层则衔接"决策模块"，譬如一枚按键，按下即代表"此为圆形"或"此为方形"。输入层与输出层经由若干"连线"相贯通，每条连线上附有一个"权重"，亦即所谓的"突触权重"。

"学习"的机制如下：向感知器展示一张绘有圆形的卡片，并告知它："这是圆形。"感知器接收图像信号后，依据既有权重演算出判断结果，或许它会误判为"方形"。此刻，学习法则随之启动：若判断失误，那些理应"协助"识别为圆形的连线权重将被上调，而那些致使其误判为方形的连线权重则会被下调。再度遭遇相似圆形图像时，正确的连接便能更轻易地被"激活"。

这一机制看似简易，却达成了三重突破。其一，"机器无需人类逐一步骤教导"，仅需给予"反馈"，正确时褒奖，错误时惩戒。其二，"其存储知识的模式并非具体指令，而是分布式的权重量化"，这意味着倘若某条连接受损，机器仍可运转，正如人脑局部受损后其余部分能够代偿。其三，"其知识并非一次性灌入，而是经由经验逐步积淀"——这意味着理论上，它会愈用愈聪慧。

"理论上"这一表述尤为关键。

在罗森布拉特的演示中，感知器确能掌握简易几何形状的分类。若向其呈示一组卡片，左侧标注"X"型，右侧标注"O"型，经数十轮训练后，它确能以较高精度加以区分。这一成果令公众振奋，既然机器能辨识X与O，那它自当也能区分猫与狗、A与B、善人与恶人，逻辑推演之下，似乎无物不可学。于是媒体大胆断言："电子大脑将凌驾人类之上！"

然而学界质疑从未止息。首先是数学层面的困境：感知器的"学习"仅是在寻觅一条"直线"以划分两类图形，若两类图形可被直线分隔（如X与O），感知器便能胜任；但若两类图形须以更复杂的曲线方可分开（如圆环与圆点），单层感知器便束手无策。这一数学上的"线性可分"局限，后被明斯基于其1969年刊行的《感知器》专著中予以严谨的形式化论证，成为压垮罗森布拉特学术生涯的最后一根稻草。

其次是实践层面的障碍：感知器在实验室内可识别规整、清晰的图形，然一旦面对"形变、模糊、残缺"的真实世界图像，便茫然无措。一只猫若侧身而立、若仅露半躯、若处于阴影之中，感知器全然无力应对。真实世界较之于实验室内的"洁净数据"繁复何止百倍。

但罗森布拉特对此类问题并未太过介怀。他更在意的是"证明此路可通"，而非"臻善每个技术细枝末节"。受访时他常言："我们尚处襁褓，不可奢望婴儿降生即会疾驰。但我笃信此路无误——神经网络乃模拟大脑的唯一正途。"

此种"笃信"恰是学界所忌惮的，科学需要质疑，需要可复现的验证，需要坦承不确定性。而罗森布拉特的姿态愈发趋近"布道"，而非"钻研"。

1960年，罗森布拉特发表了一篇更为宏大的论文，宣称感知器不仅能识别图像，尚可"习得语言规则""领悟抽象概念""进行逻辑推演"。他并未提供具体实验数据支撑这些论断，仅以若干"初步征兆"加以暗示。论文末尾他写道："感知器仅是开端。我们将据此缔造一种全新的智能机器——其终将超越人类。"

那些心存疑虑的科学家读至此处，已彻底丧失耐性。明斯基于麻省理工的办公室中对同僚道："他这是在进行宗教活动，非科学探索。"贝尔实验室的香农亦不无遗憾地表示："他极具创造力，然似乎难辨'可能'与'已然达成'之边界。"

但在公众认知中，罗森布拉特仍是"那个缔造电子大脑之人"，其声望如日方升，所至之处掌声如潮。1960年，他于全国科学教育年会担纲压轴讲演，谢幕时全场起立鼓掌，持续近十分钟。那些缄默的数学家与计算机工程师们端坐台下，其中一些人随之鼓掌，一些人报以礼节性微笑，另一些人则面无表情。

当被问及学界质疑时，罗森布拉特的回应带着一种近乎天真的旷达："这些人总索求证据，然某些事物的证据来得迟缓，不可因暂无证据便否定其存在。待证据浮现之际，他们自会明了我之正确。"

他似乎未意识到，学术界的准则是：可以超前，但不可脱离事实过远；可以乐观，但不可将"乐观"作为"结论"宣扬。

很快，他便将为此付出代价——并非被学界拒斥，而是被一纸数学证明击溃，其迅猛之势、凌厉之威，令其下半生皆笼罩于阴霾之中。而这道阴影的缔造者，正是当年在达特茅斯会议上与他擦肩而过的马文·明斯基，那位在同一时代选择"与神经网络为敌"的奇才。

1969年，那本声名狼藉的《感知器》面世，宣告了罗森布拉特辉煌的落幕，亦宣告了神经网络长达十载"冰河纪"的肇始。然彼时，公众对罗森布拉特的狂热追忆，方才缓缓褪色。