AI史上最具毁灭性的著作：感知器的终结

纵观人工智能发展历程，鲜有著作能像1969年问世的《感知器》那样，对一个研究领域造成如此毁灭性的冲击。

该书由马文·明斯基和西摩·佩珀特联手撰写，前者是麻省理工学院人工智能实验室的创建者之一，后者则是MIT的数学家，后来成为知名教育家（他开发了“Logo编程语言”，为少儿编程教学打下根基）。两人的协作始于1960年代中期，彼时明斯基已对罗森布拉特掀起的“感知器热潮”深感不耐。

“我翻阅了罗森布拉特的文章，通篇都是虚言，”明斯基在多年后的采访中回忆道，“他宣称‘感知器能掌握一切’，我仅用三小时就找出一个反例。一个极简的逻辑问题，感知器根本无法学会。”这个“反例”便是著名的异或难题（XOR）：输入是两个二进制数值，输出是它们的“异或”结果，仅当两个输入相异时输出1，相同时则输出0。

为何感知器无法攻克异或难题？因为异或问题的数据分布并非“线性可分”，你无法绘制一条直线将“1”和“0”划分成两组。而单层感知器本质上就是一个“线性分类器”：它只能寻找一条直线来分割数据。对于无法被直线分割的问题，它永远无法学会。

这一发现虽看似简单，但对神经网络研究而言却是“致命一击”。如果连一个最基础的逻辑运算都无法让机器掌握，那它又怎能学会更复杂的任务？在数学证明面前，罗森布拉特所有的热情宣告和乐观演讲都化为泡影。

明斯基和佩珀特携手撰写了一本书，系统剖析了感知器的数学限制。他们并非简单地宣称“感知器不行”，而是将感知器能做什么、不能做什么、为何不能做，全部以严谨的数学语言阐述出来。这本书并非旨在打击罗森布拉特，但打击效果确实是“附带损害”中最为严重的。

1969年，《感知器》一书问世。学术界的反响可用两个字概括：沉寂。那些曾对神经网络寄予厚望的实验室主管和拨款评审委员，读到这本书后纷纷退缩。罗森布拉特的感知器研究并未从实证上失败，他毕竟证明了简单的图像识别是可行的，但从理论层面，明斯基和佩珀特合著的这部作品一页页地剖析了感知器的根本局限，未留下任何模糊空间。

当时正值美国国防部科研拨款收紧之际，评审委员们翻阅《感知器》的目录，摇头合上申请书，神经网络研究被判定为“毫无前景”。

罗森布拉特听闻《感知器》出版的消息时，几乎难以置信。他在康奈尔大学的一次学术会议上遇到刚拿到样书的明斯基，两人当面交锋，场面一度失控。

这场公开对峙中，明斯基的冷静与罗森布拉特的愤慨形成鲜明对照，一个在谈论数学，一个在谈论理想。两人的言语几乎不在同一层面上。

更令罗森布拉特恼怒的是，明斯基和佩珀特的《感知器》一书，几乎未引用他本人最新的研究进展。罗森布拉特在1960年代初期确实发表过一些“多层网络”的构想，但那时的“多层”尚无有效的训练算法；明斯基在书中直接忽略了这些未成熟的探索，反而将“单层感知器”的局限性作为“感知器”的“本质缺陷”来呈现。这让罗森布拉特感到遭受了“学术羞辱”，他并非没有意识到单层网络的局限，他一直在探寻“多层”的突破路径，但明斯基选择无视他的后续努力。

《感知器》出版后，罗森布拉特试图反击。他撰写了几篇反驳论文，声称“多层感知器可以克服异或问题”，但明斯基已在书中预先堵死了这条路：“多层感知器理论可行，但缺乏有效的训练算法。”而罗森布拉特确实未能提供一个可供数学检验的训练算法。他的反驳在学术上显得苍白无力。几轮答辩后，评审委员会的结论是“证据不足”。

1969年至1970年间，罗森布拉特在学术会议上的处境急剧恶化。当他发言时，台下质疑声此起彼伏：“你最新的实验结果呢？”“你能用你的网络解决一个异或问题给我们看看吗？”“你有没有读过明斯基和佩珀特先生的证明？”有些质疑带着明显的敌意，有些则是同行在惋惜中试图“拉他一把”。罗森布拉特站在讲台上，汗珠沿额角滑落，嘴唇微微颤抖。他试图阐释那些尚未成熟的“多层网络”设想，却拿不出一个能当场运行的演示。

罗森布拉特感受到他一生中最沉重的打击——并非来自某个具体的科研失败，而是来自整个学术共同体对他的“背弃”。他曾经拥有无数赞誉和追随者，如今只剩下一个数学证明和一片废墟般的实验室。

他的学术地位在短短一年内几乎归零。康奈尔大学削减了他的科研经费，海军研究办公室也撤回了后续资助承诺。他不得不将大部分时间花在行政事务上，而非他热爱的神经网络研究。有人在他办公室门口看到他坐在桌边，面前摊着一本《感知器》，久久未翻页。助理推门进去时，听到他低声说了一句：“这个领域不会等太久……不会的。”

罗森布拉特的预感没有错——只是“不会太久”对于他自己来说，太久了。