1928 年，弗兰克·罗森布拉特出生在美国。他既是心理学家，也是计算机科学家。小时候的他一定也好奇过：我们人是怎么认出东西、怎么学会新本领的呢？

答案就在脑子里。1943 年，麦卡洛克和皮茨第一次把「神经元」画成了一张可以计算的图；1949 年，心理学家赫布又发现：两个神经元如果总是一起点亮，它们之间的连接就会变粗——一起亮的，会连得更紧。罗森布拉特想：既然大脑是这么学的，能不能照着这张图纸，造一台会「学习」的机器？

1957 年，罗森布拉特在康奈尔航空实验室真的把它造了出来——「感知机」。这个名字来自 perception（感知），是他自己起的。

它个头不大，看上去也不算聪明，却做成了一件全新的事：会根据经验改变自己的判断。美国海军很快出钱支持这项研究——他们想知道，这台机器将来能不能自己认路、认东西。

第二年，也就是 1958 年，消息登了报，全世界都轰动了。《纽约时报》的标题写着「海军的新装置会通过实践学习」，文章里还说：它将来也许能走路、说话、看东西，甚至能自己复制自己。

报纸把它吹上了天。可它当时真正会的，其实很朴素：认出简单的几何图形——三角形、正方形、圆形；同一个「A」多看几遍，它就能稳稳认出来，位置挪一挪、写得不一样，也照样认得。

1960 年，他们真的把它造成了真机器——「Mark I 感知机」。

它有 400 只「眼睛」（排成 20×20 的光电池）、512 个中间单元，最后汇成 8 个输出。最特别的是它的「记忆」：一排排小马达带着电位器，真的在拧旋钮——这些旋钮，就是它的「权重」。

它是怎么学习的呢？先瞎猜一个答案；如果猜错了，就把自己内部的小旋钮「拧一点」——科学家把这个旋钮叫「权重」。

不用人把规则写给它，只要给它足够多的例子，它自己就越来越准。它不认识「规则」，只认识「例子」——这就是「学习」，今天所有 AI 的学习，都是从这样一圈一圈转出来的。

可是热情没有持续太久。1969 年，当年一起写提案的明斯基和帕佩特出了一本书，书名就叫《感知机》。他们用数学证明：单层感知机连「异或」这么简单的规则都学不会——用一条直线，永远画不出那个答案。书里还说，把感知机一层层叠起来也「没什么前途」。

这本书让全世界的热情迅速冷了下来：经费断了、论文没人看，AI 走进了第一次「寒冬」。更可惜的是，罗森布拉特没能等到它翻身——1971 年 7 月 11 日，他 43 岁生日那天，在划船时意外溺水去世了。

历史后来开了个大玩笑。1986 年，科学家发现：只要把感知机一层层叠起来，再用「反向传播」去训练它，异或根本不是问题（这个故事，第 6 课会细讲）。

从那以后，「一层叠一层」的神经网络越做越大：2012 年学会了认图，2022 年学会了聊天。今天的大模型有上千亿个「旋钮」——它们全都是罗森布拉特那个小旋钮的后代。