弑父者明斯基：一本258页的数学书，如何杀死了一个领域，和他的高中同学
原创出品 | 龙鹰镖局
1971年7月11日，切萨皮克湾。弗兰克·罗森布拉特独自驾着一艘帆船出海。这一天是他的43岁生日。风浪来了。船翻了。他没有回来。
两年前，他的高中同学——也是他一生最强大的对手——出版了一本258页的数学书。扉页上写着：献给弗兰克·罗森布拉特。
那本书杀死了罗森布拉特毕生的事业。杀死了整个神经网络研究领域。开启了长达17年的第一个AI寒冬。
而扉页上的那句话，是明斯基送给罗森布拉特的最后一封情书——也是墓志铭。
一、布朗克斯科学高中的两个天才
1940年代的布朗克斯科学高中，纽约。
如果你问那里的老师”全校最聪明的学生是谁”，答案只有两个：弗兰克·罗森布拉特和马文·明斯基。
他们在同一个走廊里穿梭，在同一间教室里上课。年龄差一岁。智商差可以忽略不计。气质差——判若云泥。
罗森布拉特是那种典型的”暖系天才”。他学心理学，对人类大脑的运作方式有宗教般的着迷。他想知道人是怎么感知这个世界的，是怎么学会一种东西的。他后来的博士论文方向是社会心理学——用数据分析人格。
明斯基是”冷系天才”。他读书如饮水，数学好到让人绝望。大学时在哈佛，大四那年和Dean Edmonds一起在实验室里造了SNARC——人类历史上第一台神经网络学习机。对，你没看错。明斯基在成为”弑父者”之前，自己就是父亲。（ps：你读第一篇时认识的明斯基，1956年达特茅斯之夏站在麦卡锡旁边的那个28岁哈佛研究员，正是他。那时候他对神经网络还心存希望。）
两个少年从高中时代就在互相竞争。老师眼中的”双子星”。都在追问同一个问题：智能究竟是什么？
罗森布拉特的答案是：智能是一堆统计连接。像大脑里的神经元一样——你永远不知道哪条通路记住了什么，但只要连接足够多、反馈足够强，机器就会自己学会。
明斯基的答案是：智能是符号逻辑。像数学证明一样——明确的规则、清晰的推理、可追溯的因果。
这两种答案，后来将撕裂整个AI领域长达半个世纪。
而在1950年代，它们还很年轻，只是两个高中同学的学术分歧。
二、“海军的新设备学会了思考”
1957年，罗森布拉特在康奈尔航空实验室做了一件那个时代最疯狂的事。
他造了一台机器。不是那种”按程序执行指令”的计算机——那时候的计算机全是这样的。他造了一台能自学的机器。
他把它叫感知机（Perceptron）。
原理在今天看来简洁到令人心疼：400个光电传感器做”眼睛”，一堆模拟电子电路做”神经元”，用电位器——就是收音机上扭音量的那个旋钮——来模拟学习。机器看到一张卡片，判断”左边有标记”还是”右边有标记”。如果猜对了，所有参与这次判断的神经元通路被强化一点点。如果猜错了，削弱。
多放几百张卡片进去。再放。再放。
它学会了。
没有一行代码告诉它”左边”和”右边”的区别。它自己学会的。
1958年7月，美国海军研究办公室向媒体演示了这个东西。《纽约时报》第二天的头条标题是——
“海军的新设备通过实践学习”
《纽约客》派了记者去采访。罗森布拉特对记者说了一句被永远刻在AI史上的话——
“感知机是第一种能够产生原创想法的机器。”
这句话今天听起来天真到近乎狂妄。但在1958年——那个连”机器学习”这个词都还没被发明的年代——它像一道闪电。
接下来的几年是罗森布拉特人生的高光时刻。1960年他造出了硬件版Mark I感知机，能识别英文字母。1962年他出版了《神经动力学原理》——这是他最看重的学术遗产。那本书里有一个被日后历史忽略的证明：罗森布拉特证明了，含有无限数量隐藏层神经元的多层感知机理论上可以解决任何分类问题。
注意关键句——“多层”。“理论上”。
这两个词将决定罗森布拉特的生死——以及整个神经网络领域的生死。
三、一个信徒的叛变
我们先回到明斯基身上。
1956年的达特茅斯之夏之后，明斯基的人生轨迹和罗森布拉特的恰恰相反——他没有继续深耕神经网络。他转向了另一条路。
1961年，明斯基在MIT联合创立了AI实验室。他拿到了DARPA的大量资助。他成了符号主义AI的旗手。
符号主义AI的核心信念是：智能可以通过逻辑推理、知识表示和符号操作来实现。你不需要模拟大脑——你只需要写出正确的规则。
而神经网络——罗森布拉特的感知机——恰恰是这种信念的对立面。 神经网络不靠规则，靠数据。不靠逻辑，靠统计。不靠”理解”，靠”拟合”。
1963年，明斯基决定和一个新来的南非数学家——西摩尔·派珀特——合作写一本书。主题是：从数学上彻底分析感知机能力的边界。
这本书写了六年。比他们预想的要难得多。因为每次证明完一个定理，又发现一个新的数学问题。
这六年里，明斯基和派珀特没有只坐在办公室里写书。 他们也去参加学术会议。在台上和罗森布拉特争论。把书中正在成型的结论，一页一页地分发给他们称为”悲哀的听众”的神经网络研究者们。
有人后来把这种行为称为”学术围剿”（Robert Hecht-Nielsen的用语）。也有人认为这不过是正常的学术争论。
但无论如何，到了1960年代末期——当1969年那本书终于出版时——神经网络研究社区已经一蹶不振。大部分人已经离开。DARPA的兴趣已经转移。符号AI是新的宠儿。
四、一本书，四个点，一条画不出来的直线
1969年1月15日。《感知机：计算几何导论》由MIT出版社出版。
258页。没有一行代码。没有实验结果。全是数学证明。
但你不能说它不严谨。恰恰相反，它的证明无懈可击。
书的核心论证可以用一个极其简单的问题来概括。这个问题叫做异或——XOR。
XOR是一个逻辑运算：只有两个输入不同的时候，输出才等于1。
四行数据，看起来比小学生算术还简单：
- 输入(0,0) → 输出 0
- 输入(0,1) → 输出 1
- 输入(1,0) → 输出 1
- 输入(1,1) → 输出 0
把这四个点画在二维平面上。然后你的任务是：找一条直线，把输出为0的点和输出为1的点分开。
你画不出来。任何人画不出来。单层感知机也画不出来。
这就是”线性不可分”——一个数学家嘴里吐出来的三个字，判了一个领域的死刑。
明斯基和派珀特证明了更多：感知机不仅搞不定XOR，还搞不定奇偶性判断（输入的像素总数是奇数还是偶数？），搞不定连通性判断（图像中的黑点是连在一起的吗？）。
每一道证明都完美无瑕。每一次推演都无懈可击。
但关键问题出在——一个脚注上。
在那个致命脚注中，明斯基和派珀特写道：
“虽然理论上多层感知机可以解决这些问题，但我们认为，多层网络的训练在计算上是不可行的。相关的研究方向没有前途。”
（ps：他们为什么这么写？因为在1969年，确实没有任何算法能高效训练多层神经网络。反向传播要到1974年才被Werbos提出——而且当时几乎没人注意到——再到1986年才被Rumelhart、Hinton和Williams重新发现并广为人知。从”存在性证明”到”可用算法”之间的距离，在深度学习时代被证明可能只需要几年——但在1969年，这个距离看起来无限远。）
但是——
罗森布拉特在他1962年的书里已经证明：多层感知机理论上可以解决任何分类问题。
明斯基和派珀特也知道这一点。他们1988年再版时承认：“我们相信（但无法证明）更深的局限性也延伸到多层网络。”
你看懂了吗？
明斯基用一本258页的书证明了一个真命题。但他用一本书的”语气”暗示了一个假命题。这本书真正的杀伤力——不在于它证明的定理——而在于它的”弦外之音”。
就像一位评论者后来写的：“传到DARPA和基金会的消息很简单——MIT的教授用数学证明了神经网络永远做不了任何有趣的事。”
（ps：这是AI史上最严重的一次学术信息传递失真。“单层感知机有局限性” → 被简化为 → “感知机不行” → 被放大为 → “神经网络是死胡同。“每一步简化都在放大误差。到最后一环，事实已经被扭曲了180度。）
五、“他们都走了”
《感知机》出版后，DARPA将几乎全部AI资金转向了符号AI。学术期刊不再接受神经网络方向的论文。大学停止招聘神经网络研究者。导师劝研究生”别碰那个方向——那是死路”。
曾经热闹非凡的神经网络研究，一夜之间变成了一座空城。
坚持下来的人屈指可数。
罗森布拉特是其中之一。但他已经被孤立了。经费枯竭。没有学生愿意跟他做。他在康奈尔的研究室越来越安静。他的研究方向甚至从感知机转向了更边缘的课题——“脑提取物在训练行为迁移中的作用”。（ps：这听起来像科幻小说——把受过训练的大鼠脑提取物注射到未训练的大鼠体内，看”知识”能不能转移。但他做这个并不是因为疯了——是因为感知机方向确实拿不到钱了。）
1971年7月11日，他43岁生日。一个人出海。
切萨皮克湾的帆，再也没有回来。
Walter Pitts——M-P神经元模型（1943）的共同发明者——也在1969年去世了。年仅46岁。死前精神崩溃，亲手烧掉了自己未发表的博士论文。他认为毕生的研究是一场空。
几个月后，他的合作者Warren McCulloch也走了。
最早的两位”人工神经网络研究者”，在神经网络被宣判死亡的同一年，相继去世。 这段历史读起来不像科技史——像希腊悲剧。
六、历史的讽刺
故事讲到这里，直接跳到结局就好了对不对？
但历史没有这么干净。
用一句话说：《感知机》杀死了神经网络吗？
严格来说，不是。
历史学家Mikel Olazaran在1996年做了一个社会学研究：他追踪了1960年代神经网络研究者们的去向。结论是——在《感知机》正式出版之前，大部分研究者已经离开了这个领域。
明斯基和派珀特的”围剿”从1965年就开始了——他们在会议上逐条展示感知机的局限，私下分发手稿。这些行为确实加速了神经网络的衰落。但衰落有更根本的原因：1960年代末的计算机实在太慢了，训练一个像样的神经网络要花的算力根本不存在。DARPA投了几年看不到出路，本来就打算转向了。
《感知机》不是神经网络的杀手，它是神经网络的墓志铭。
但这也恰恰让整个故事更加悲剧了——
明斯基没有”杀死”罗森布拉特。他只是恰好出现在罗森布拉特死去的地方，手里拿着一把写着”XOR”的刀。而全世界看到的，就是一个MIT教授杀死了一个领域的画面。
这还不够讽刺。更讽刺的是这件事——
《感知机》的扉页上，明斯基和派珀特写的是：献给弗兰克·罗森布拉特。
谁会把一本”毁灭对方毕生心血”的书题献给对方？
这就是明斯基的复杂性。他不是一个简单的”坏人”。他是罗森布拉特的高中同学。是一起成长的朋友。是智力上平起平坐的对手。他曾经造过SNARC——在某种意义上，他自己就是神经网络研究的第一位父亲。
弑父者必须首先是儿子。才能真正成为弑父者。
（ps：当你在高中认识了全年级唯一能和你在智力上对话的人，当你们用二十年时间去验证年轻时站在同一道分岔路口做出的不同选择——你毁灭他的工作，不是因为你恨他。恰恰因为你太在乎。你需要证明自己选对的路，才是唯一正确的路。）
七、1988年：不情愿的认错
1986年。Rumelhart、Hinton和Williams在《自然》杂志上发表了一篇论文。他们重新发现了反向传播算法——一种训练多层神经网络的实用方法。
XOR？小菜一碟。更复杂的问题？也能搞定。
罗森布拉特死后15年，他的理论被证明是正确的。 多层网络确实可以学习。只是需要一种那个年代没人知道的训练方法。
神经网络以”连接主义”的新名字卷土重来。
1988年，MIT出版社重印了《感知机》。这次加了两章——序言和结语，专门回应”连接主义”的复兴。
明斯基和派珀特在序言中写道——
“连接主义是被一群不了解历史的新一代研究者重新制造的错误。尽管《感知机》的定理仅适用于单个感知机，但教训延伸到所有神经网络。”
他们在结语中预测：反向传播训练的神经网络”无法扩展”——会卡在局部最优解里，会产生巨大的权重值，会收敛太慢。
（ps：1988年的这个判断和1969年那个脚注没有任何区别。只不过这次，历史不再给他们面子了。）
2012年，AlexNet用两块英伟达游戏显卡在ImageNet上碾轧了所有非神经网络算法。深度学习时代降临。
2022年，ChatGPT出现。基于多层Transformer架构——本质上是多层神经网络的变体。
2026年的今天——好了，你知道今天故事讲到了哪里。
明斯基死于2016年。他看到了AlexNet，看到了深度学习的第一波浪潮。但他没有看到ChatGPT。
他至死没有承认自己低估了多层网络的潜力。
但也许在他内心的某个角落里，他也知道：1951年他造出SNARC时感受到的那种兴奋，和2012年辛顿的学生们在ImageNet上写下最后一行代码时感受到的——是同一种兴奋。
只是他的路，在1965年的某个时刻，拐了一个弯。
八、谷仓里的感知机
1970年代末。一个叫David Tank的年轻人到康奈尔读物理学博士。
有一天，他去参加乡下的一次猪烤肉派对。谷仓里，他看见一台落满灰尘的机器。
一堆管线和电线。积了不知道多少年的灰。
那是Mark I感知机——罗森布拉克在1960年轰动了全美国的”会思考的机器”。
Tank后来回忆道：“我就站在那里，看着它。”
他后来成为Bell Labs的AI先驱，普林斯顿神经科学研究所的联合创始人。他把罗森布拉特的《神经动力学原理》称为——
“这个领域的第一本教科书。一本鼓舞人心的书。绝对的经典。”
明斯基说：你证明不了多层网络能训练。
罗森布拉特说：理论上，它能学会一切。
他们两个人都说对了。
明斯基对了——1969年确实没有任何方法能有效训练深层网络。
罗森布拉特也对了——只要找到方法，多层网络可以学习任何东西。
历史只奖励了后者，放逐了前者。因为科学史是胜利者写的——而胜利属于那个在黑暗中坚持原则的人，哪怕他没能活到天亮。
布朗克斯科学高中的那条走廊那么短。
两个少年走了一辈子。
一个到了MIT，拿图灵奖，名满天下。
一个死在切萨皮克湾，43岁，帆翻了。
而70年后，全世界每一部手机、每一台服务器上跑着的每一个神经网络，都在回答那个罗森布拉特在1958年问出的问题——
机器可以自己学会吗？
可以。
原创出品：龙鹰镖局
「AI群星闪耀时」系列 · 第二篇 上一篇：1956，达特茅斯之夏 下一篇预告：1986，反向传播的复仇——一群被放逐者的秘密集会，让死人复活
参考资料：Rosenblatt (1958, 1962); Minsky & Papert (1969, 1988); Cornell Chronicle (2019); Smithsonian Magazine (2026); Hecht-Nielsen指控; Olazaran社会学分析 (1996); Bottou历史评价 (2017); Trott分析 (2024) 等