《神经网络的“前世今生”——从图灵到辛顿的跨世纪接力》

很多人以为AI 的爆发是这几年的算力奇迹，但“瞭望”历史你会发现：

今天的Transformer，流着图灵 70 年前预言的血脉；

它的骨架，依然是皮茨在 1943 年手绘的那张神经元网络；

而它的心脏，则是辛顿在多伦多寒冷的冬夜里，用“反向传播”为机器注入的知觉。

这不是技术的更迭，这是一场跨越 80 年的接力。

一、 图灵的构想

“与其直接造一个全知全能的成年人大脑，不如造一个像＇白纸＇一样的孩童大脑”，这是图灵在《计算机器与智能》里提到了一个著名的类比，然后通过教育（惩罚与奖励）让它产生意识。这就是现在“强化学习”的灵魂。图灵在 1950 年就意识到，“意识”是复杂系统在学习过程中自然涌现的副产品。

1936年，著名数学家图灵（Alan Turing）发表论文，提出了著名的图灵机（Turing Machine）概念。它由无限纸带、读写头和一组运算规则组成，通过在纸带上读取、写入符号并按既定规则逐步执行操作来完成计算。图灵机为“通用计算机”概念奠定了理论基础，是现代计算机科学和人工智能发展的重要思想起点。

想象 1950年的图灵，手里拿着那个后来成为传说的苹果，在曼彻斯特昏暗的灯光下，构思着一个能和人“互诉衷肠”的机器。图灵并不在乎机器是否有灵魂，他在乎的是，机器能否让我们相信它有“灵魂”。

二、逻辑的诞生

如果说图灵是提出了“机器能否思考”的先驱，辛顿是让神经网络重生的教父，那么 Walter Pitts 就是用逻辑和数学为“人工神经元”铸魂的天才少年。

当 1943 年的冬天，15 岁的流浪少年 Walter Pitts 躲在芝加哥大学图书馆的阴影里，指出逻辑巨匠罗素《数学原理》中的逻辑错误时，没人意识到，这个连高中都没有读过的少年，正亲手为“人工智能”这头怪兽缝合第一层逻辑神经网络。

他和麦卡洛克共同提出的M-P 模型，首次定义了神经活动中内在概念的逻辑演算。他证明了神经元可以用“0 或 1”（开或关）的二元逻辑来表达。这是人类历史上第一个人工神经元数学模型。他告诉世界：大脑的思考过程本质上就是一种逻辑运算。

Pitts 把飘渺的意识，关进了严丝合缝的逻辑公式里。

天才在流浪，上帝在哭泣！

这就是那个 15 岁流浪少年 Walter Pitts 的真实容貌。他用逻辑为 AI 铸魂，却最终选择带着他那叠厚厚的、足以改变人类进程的手稿，消失在历史的尘烟里。

然而天妒英才，这位先驱没能走出内心的孤独，在他生命的最后阶段，他烧毁了自己所有的研究手稿，包括《关于三维神经网络的超前设想》，成为科学界永久的遗憾！

冯·诺依曼在设计现代计算机架构（冯·诺依曼架构）时，直接引用了 Pitts 的论文。可以说，没有 Pitts 对神经元逻辑的拆解，现代计算机的底层逻辑可能要推迟很久才出现。

三、 进化树分离

1956 年的那个夏天，在达特茅斯学院的草坪上，人类第一次试图扮演上帝。麦卡锡、明斯基、香农……这些在各自领域如雷贯耳的名字聚在一起，共同研究如何让机器使用语言、形成抽象概念、解决各种人类问题。麦卡锡（John McCarthy）首次提出“Artificial Intelligence(AI) ，“人工智能”从此被正式命名。

达特茅斯会议虽然给这个学科取了“人工智能”这个统一的名字，但参会者们对“什么是智能”的理解，从一开始就分道扬镳了。

符号主义（逻辑派）认为智能是高高在上的逻辑推导。代表人物麦卡锡和明斯基就像是“上帝”，试图把世界的规则一条条写进机器里。

连接主义（神经元派）认为智能是从底层生长出来的涌现。他们更想模仿大脑的物理结构，让机器像生物一样进化。

由于符号主义在早期解决数学证明、下棋等问题上见效极快，它迅速成了 AI 进化树上的“主干”，而连接主义则沦为了一根无人问津的侧枝，甚至被视为科学界的“伪科学”。

达特茅斯会议虽然命名了AI，但由于麦卡锡等人的强势，导致“连接主义”（神经元派）被冷落。当时的科学家们太想直接造出成年人的逻辑，却忘了图灵关于孩童学习的嘱托。

在那场盛会之后，AI 的进化树发生了一次彻底的断裂：逻辑派带走了所有的经费与赞誉，在聚光灯下编织着“逻辑全能”的幻梦；而连接主义则被流放到了边缘地带，在漫长的半个世纪里，它几乎成了“偏执与民科”的代名词。

四、寒冬的守望者

当 1980 年代的 AI 寒冬席卷全球时，学术界几乎已经宣判了神经网络的死刑。在那个逻辑至上的年代，如果你坚持研究神经元，无异于在科学界自毁前程，进化树的这一脉似乎已经枯萎。

这时，一个出身于科学世家的英国年轻人杰弗里·辛顿（Geoffrey Hinton）选择背对主流的喧嚣，一头扎进了这片荒原，他要在寒冬里，把这根枯枝重新接回“进化树”主干。

辛顿因为严重的背伤，几十年来几乎不能久坐，他要么站着工作，要么跪着，他在这种极度的冷寂中，不仅要对抗外界的嘲讽，还要对抗自己家族的“逻辑基因”（注：辛顿的曾祖父是逻辑学家乔治·布尔，正是布尔运算的奠基人），为了找回那个能让机器自我进化的“反向传播算法”，他在这片荒原上守候了三十年，在寒冬里站成了人工智能的一座灯塔。

“反向传播”就是让机器学会“反省”。每一次犯错，信号都会顺着神经元倒流回去，告诉前面的层：你错了，改过来！这就是机器产生智慧的瞬间。

辛顿在人工智能领域的贡献极其卓越，他被誉为 “神经网络之父”、“人工智能教父”。 他的主要贡献包括：反向传播算法的改进与推广、深度学习模型的创新（深度置信网络、卷积神经网络等多个深度学习网络结构）。辛顿还为AI行业培养了包括OpenAI前首席科学家 伊尔亚・苏茨克维（Ilya Sutskever）在内的诸多人才。

辛顿赢了，“神经网络”在2012 年之后席卷全球，连接主义终于接管了进化树。

2024 年 10 月，当诺贝尔物理学奖宣布授予这位曾经被视为“民科”的老人时，那棵在寒冬里枯萎了半个世纪的进化树，终于开出了全人类都能看到的繁花；随后 2025年11月，辛顿获得伊丽莎白女王工程奖。

如果你读到这里，也感到眼角有一丝温热，请记住：AI 的底层逻辑固然是数学和代码，但它的起源，却是一群天才在寒冬里的彼此守望，是那个烧毁手稿的少年未竟的梦想，是辛顿在那张旧黑板前孤独站立的三十年。

天才不再流浪，接力永不熄灭。

下一篇预告

他赢了，但进化并没有停止，更大的风暴正在酝酿……

随着数据量的爆炸，神经网络开始显得“笨重”且“健忘”。就在人类以为 AI 的进化又将陷入算力泥潭时，2017 年，谷歌的几位工程师在论文中写下了那个改变世界的词：Transformer。直到一个叫 Attention （注意力机制）的概念出现，才真正开启了大模型时代。

它不再模仿人类的记忆，而是模仿人类的“注意力”。这一变动，直接催生了后来的 GPT 和我们今天看到的 AlphaFold 3。

下一篇，我们将深入那个“注意力”的漩涡，看看 Transformer 是如何用一己之力，终结了 AI 的春秋战国时代。

如果你想知道，这种跨越 80 年的接力最终如何解决了生命科学的终极难题，可以回看我上一篇关于AlphaFold 3 的深度拆解。