但是为什么“足以表明”呢？两种方法都产生了某种有希望的成果，也都作出了某些缺乏根据的许诺。1中止对任一种方法的考虑，都为时过早。然而明斯基和帕佩尔特著作中的某些东西撞中了一根敏感的弦。AI研究者们似乎都对激起这一攻击的整体论抱有类似宗教的哲学偏见。人们可以在例如纽厄尔和西蒙关于物理符号系统的文章中看到这一传统的力量。他们的文章从心灵和计算机因操作离散符号而成为智能的这一科学假设作为开始，但是却以这样一个揭示作为结束：“有关逻辑和计算机的研究已经向我们揭示，智能存在于物理符号系统之中。”(Newell and Simon 1981:64)
整体论无法与这样一些强烈的哲学信念相匹敌。罗森布拉特以及数百个受到他的工作的鼓励而从事网络研究的责任较小的小组都名声扫地了。他的研究经费枯竭了，他的著作的出版也遇到了麻烦。到了1970)年，对AI来说，神经网络已经销声匿迹。纽厄尔说，在他的AI的历史上，符号与数字之争“现在肯定已不复存在，并已有很长时间不存在了”（Newell1983：10)。在J·豪格兰(Haugeland 1985)或M·博登(Boden1977)的AI学科史中，罗森布拉特甚至没有被提及。 [2]
但是把联结论者的失败归咎于反整体论的偏见，就过于简单了。一些哲学假定产生了对直觉的影响，及导致了对早期符号加工成果的重要性的过高估计，还有更深入的方面。从当时来看，这个方面是，研究感知机的人即使是解决最简单的模式识别问题，如将视野各个部分中的水平线与垂直线区分开来，也不得不进行大量数学分析和计算，而符号操作方法只作出相对较小的努力，就解决了困难的认知问题，如证明逻辑定理和解决组合难题。甚至更加重要的是，根据当时达到的计算力量，神经网络研究者们看来只能做纯理论的神经科学和心理学方面的工作，而符号表述论者的简单程序却即将成为有用的东西。在对形势作出这种评价的背后，有一个假定，即思维和模式识别是两个不同的领域，而两者之中思维显得更重要。正如在后面讨论常识知识问题时将会看到的，以这种方式看待问题，既忽视了模式辨别在人类专门知识中的出色作用，也忽视了在日常现实世界的思维中被预先假定的常识性理解的背景。要考虑这一背景，就十分需要模式识别了。
13 造就心灵还是建立大脑模型：人工智能的分歧点
[1] 关于对直到1978年时符号表述方法的实际成绩作出的评价，参阅德雷福斯(Dreyfus 1979).
{21 在心理学和神经科学中，关于神经网络的研究还勉强维持着。在布朗大学，J：A：安德森仍在为心理学中的网络模型进行辩护，尽管他不得不依靠其他研究者的补助，同时S·格罗斯贝格研究出基本认知能力的一个漂亮的数学实现方式。安德森的立场见Anderson(1978)。格罗斯贝格在这个萧条年代里的工作的例子见他的著作(Gross-berg1982)。科霍宁的早期工作见于《联想记忆—一种科学理论方法》(Kohonen1977，Berlin:Springer—Verlag)。在麻省理工学院，明斯基继续就神经网络举办讲座，并指定一些研究神经网络逻辑特性的论文。但是根据帕佩尔特的看法，明斯基这样做，仅仅是因为网络具有今人感兴趣的数学特性，然而在符号系统的特性方面却证明不出任何令人感兴趣的东西。此外，许多AI研究者想当然地认为，既然图灵机是符号操作装置，同时图灵已经证明图灵机可以做任何计算，那么他也就证明了所有的智力能力都可通过逻辑获取。根据这一观点，整体论(以及那时的统计学)方法的合理性就需要加以确证，而符号AI方法则无需确证。然而这种自信是建立在把图灵机中未经解释的符号(0和1)和AI中从语义上解释的符号混为一谈的基础上的。
341