1969 - Minsky & Papert 批判#
案件摘要#
1969 年，MIT 的 Marvin Minsky 與 Seymour Papert 出版《Perceptrons》，以嚴格的數學分析宣判單層感知器的死刑。鐵證是 XOR（互斥或）問題——線性不可分：
更致命的是第二部分：他們證明多層感知器中最簡單的「群組不變性」問題（如判斷圖形是否連通）需要指數級資源，而書中錯誤地暗示多層版本同樣無望。這本書被公認為第一次 AI 寒冬的直接兇手——連結派研究經費在數年內枯竭。兇手不是更強的批判，而是一個被過度推廣的特例。
前因 -- 為什麼會有這個案子#
- 1957 年 Rosenblatt 的感知器（見「1957-Perceptron感知器.md」）風光一時：收斂定理保證線性可分問題必收斂，海報宣傳引發媒體狂熱，軍方（ARPA）投入大量經費。
- 感知器狂熱中被吹捧的能力（「能走、能說、能自我複製」）遠超實際，理性派 AI 學者日益不滿。
- Minsky 與 Papert 是符號派陣營的核心人物，後來共同創立 MIT 人工智慧實驗室；他們認為感知器的單層結構在原理上就不可能承載真正的智能。
- 他們的方法是數學而非口水戰：用群論（group theory）與幾何論證，逐一定理刻畫感知器的能力邊界。
- 1966 年 ALPAC 報告已經凍結了機器翻譯經費，AI 界整體氣氛轉向懷疑——這本書給了最後一擊。
- 悲劇的伏筆早在 1960 年代就存在：Rosenblatt 本人與其後繼者已知多層版本可解 XOR，但沒有人知道如何訓練隱藏層的權重——這條線索要等到 1974 年 Werbos（見「1974-Werbos反向傳播先驅.md」）與 1986 年才被完全解開。
線索與推理 -- 數學式、程式、理論#
第一條線索：XOR 鐵證——線性不可分#
單層感知器的決策邊界是超平面 \(w \cdot x + b = 0\) 。XOR 的四個樣本 \((0,0)\to 0,\ (0,1)\to 1,\ (1,0)\to 1,\ (1,1)\to 0\) 無法被任何一條直線分開。證明只要一行：假設存在 \((w_1, w_2, b)\) 滿足
前三式相加得 \(w_1 + w_2 + 3b > 0\) ，而 \(b > 0\) 意味著 \(w_1 + w_2 + b > 0\) ，與第四式矛盾。 \(\blacksquare\)
這是本書第 11 章的核心定理：「一個簡單的感知器無法辨識拓樸性質如連通性」的幾何根源同樣在於線性決策面。
第二條線索：多層可以解 XOR——但無人能訓練#
兩個感知器疊一層即可解 XOR，這個事實書中也承認：
| 輸入 | 隱藏單元 \(h_1 = x_1 \lor x_2\) | 隱藏單元 \(h_2 = x_1 \land x_2\) | 輸出 \(h_1 \land \lnot h_2\) |
|---|---|---|---|
| (0,0) | 0 | 0 | 0 |
| (0,1) | 1 | 0 | 1 |
| (1,0) | 1 | 0 | 1 |
| (1,1) | 1 | 1 | 0 |
問題從不在表達能力，而在學習演算法：隱藏層權重的誤差訊號如何回傳？感知器收斂定理只對單層有效——梯度在層間消失的迷宮，當時無人能走出。
第三條線索：群組不變性——書中最深的數學#
《Perceptrons》第二部分用群論分析「順序無關」（order-independent）謂詞：若輸入圖形在置換群 \(G\) 作用下不變，則多層感知器的容量如何隨規模 \(n\) 爆炸。以「連通性」謂詞為例：
書中對「局部」限制下的多層感知器得出類似的悲觀結論，但一個關鍵段落的措辭（「perceptrons 的分析……顯示其延伸是無望的」）被讀者過度解讀為所有多層神經網路無望——這是本案最大的誤判。
第四條線索：誰該為寒冬負責——推理的翻案#
歷史偵探的判決書應當公正：
| 罪名 | 成立？ | 證據 |
|---|---|---|
| 單層感知器無法解 XOR | 成立（數學事實） | 第一條線索 |
| 多層感知器原理上無望 | 不成立 | 表達能力足夠，缺的是訓練演算法 |
| 直接導致經費枯竭 | 部分成立 | 1971–73 年 ARPA 削減、Lighthill 報告（1973）推波助瀾 |
| 永久埋葬連結派 | 不成立 | 1986 年反向傳播翻案 |
結案 -- 後果與影響#
- 第一次 AI 寒冬（約 1974–1980）：連結派研究幾乎停止，經費轉向符號派（見「1965-DENDRAL專家系統.md」「1980-XCON專家系統黃金時代.md」）；Rosenblatt 1971 年意外去世，無人為感知器辯護。
- 「神經網路已死」成為十年間的業界共識，研究生不敢碰此題目——被埋沒的不只 Wolbos 的論文（見「1974-Werbos反向傳播先驅.md」），還有 Fukushima 的 Neocognitron（見「1980-Neocognitron視覺層級模型.md」）與 Amari 的早期工作。
- 諷刺的是：Minsky 本人始終否認想殺死神經網路，並在 1980 年代支持反向傳播研究。
- 本書意外催生了「計算複雜度式 AI 理論」的傳統——用數學刻畫模型能力邊界的思路影響了 PAC 學習（Valiant, 1984）與深度學習理論。
- 伏筆：1986 年 Rumelhart、Hinton、Williams 發表反向傳播（見「1986-反向傳播演算法.md」及「科學與歷史/神經網路/」對應檔案），多層訓練的迷宮終於被走出——XOR 鐵證瞬間失效，連結派展開長達三十年的復仇。
- 更遠的伏筆：復仇的終點是 2012 年的 AlexNet 與今天的深度學習盛世——而其遠祖 Neocognitron，正是寒冬天中被凍結的線索之一。
關鍵人物與文獻#
- Marvin Minsky —— MIT AI 實驗室共同創辦人，1969 年圖靈獎
- Seymour Papert —— 數學家、Logo 語言之父、MIT AI 實驗室共同創辦人
- Minsky & Papert, Perceptrons: An Introduction to Computational Geometry, MIT Press, 1969（1988 年擴充版部分修正）
- Rosenblatt, "The perceptron: A probabilistic model...", Psychological Review, 1958（見「1957-Perceptron感知器.md」）
- Lighthill, Artificial Intelligence: A General Survey, 1973（英國 AI 寒冬的推手）
- Rumelhart, Hinton & Williams, "Learning representations by back-propagating errors", Nature, 1986（翻案判決書）
- 相關案件：1957-Perceptron感知器.md、1965-DENDRAL專家系統.md、1974-Werbos反向傳播先驅.md、1980-Neocognitron視覺層級模型.md、1986-反向傳播演算法.md