Marvin Minsky的感知机证明

现在满屏都是神经网络、Transformer、Scaling Law的狂欢，但很少人记得，一个 279 页的证明曾让整个领域冻了十年。而按下暂停键的那个人，恰恰是后来被捧上神坛的Marvin Minsky。

1969年，Minsky和Seymour Papert出版了《感知机》（Perceptrons），核心论证一击致命：单层感知机连异或（XOR）都学不会。逻辑上，线性分类器天然存在天花板，感知机只能啃线性可分的任务，稍微复杂一点就瘫了。

放到今天这结论几乎是常识，但那个年代它直接抽掉了整个连接主义派的脊梁骨。更要命的是，这本书的杀伤力不在数学本身，而在时机的精准——60年代末，DARPA等机构对感知机的热情已经开始退烧，Minsky这一记证明等于递了把刀，砍在半死不活的神经网络脖子上。

后续大家都知道了：经费冻结，论文投出去被秒拒，连「神经网络」这个词都成了学术毒药。直到80年代反向传播算法带着多层网络卷土重来，这场寒冬才算解冻。有意思的是，Minsky晚年否认自己想终结神经网络，说只是指出局限。但历史从来不看动机，只看后果。

每次看这段旧事，我都会想到现在的某些AI批评文章——讲LLM的推理缺陷、讲Sora不懂物理规律、讲Agent任务成功率低。学术批评本身没问题，问题是批评有没有被当成砍预算的借口。1969年的故事说明，技术路线之争从来不是纯学术的，它跟钱、跟政治、跟时代情绪搅在一起。

现在谁在扮演1969年的Minsky？没人知道。但有一点可以肯定：下一场寒冬未必是技术失败引发的，很可能又是一本精准的「《感知机》」。