{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","uuid":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","normalized_title":"智慧的疆界从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","isbns":["9787111778004","9787111695714"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":456,"navigation_url":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title_url":"https://workshop.closeclaw.top/ai/title/%E6%99%BA%E6%85%A7%E7%9A%84%E7%96%86%E7%95%8C%20%E4%BB%8E%E5%9B%BE%E7%81%B5%E6%9C%BA%E5%88%B0%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","page_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/search"},"page":{"printed_page":121,"pdf_page":136,"physical_index":136,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"6980d9bdfcf50a480a251b829d6c24df3be4d208a99d026dc9e794bfdba848c4"},"chapter":"内容简介","content":"达特茅斯会议上连接主义相关的内容并不是主要议题，连接主义相关内容的风头完全被来自符号主义学派的“逻辑理论家”盖过。后来，“叛逃”出连接主义学派之后，明斯基自己也在尽力淡化他与连接主义间千丝万缕的关系，但不可否认，那时的明斯基是连接主义和神经网络的支持者。1954 年他在普林斯顿大学的博士论文题目是《神经模拟强化系统的理论及其在大脑模型问题上的应用》（“ Theory of Neural-Analog Reinforcement Systems and its Applicationto the Brain-Model Problem”）<sup>○一</sup>，这实际就是一篇关于神经网络的论文。明斯基用真空管搭建了名叫“ SNARC ”（Stochastic Neural Analog ReinforcementCalculator，随机神经模拟强化计算器）的学习机器，如图 4-7 所示，这台机器可以在一个奖励系统的帮助下完成穿越迷宫的游戏。如果不考虑实用性的话，这可以算是世界上第一批基于神经网络的自学习机器的工程实践成果。\n\n神经网络在工程应用上真正有实用意义的重大突破发生于 1957 年。康奈尔大学的实验心理学家罗森布拉特在一台 IBM 704 计算机上模拟实现了一种他发明的叫作“感知机”（Perceptron）的神经网络模型，这个模型看似只是简单地把一组 M-P 神经元平铺排列在一起，但是配合上赫布法则，就可以做到不依靠人工编程，仅靠机器学习来完成一部分机器视觉和模式识别方面的任务，这就展现了一条独立于图灵机之外的全新的实现机器模拟智能的道路<sup>○二</sup>。一个可能是“图灵机”级别的新成果（这光想想都令人激动），一下子就引起科学界的关注，并且得到了以美国海军为首的多个组织的资助。\n\n第 4 章 连接主义学派\n\n121\n\n○一 论 文 下 载 地 址：https://www.researchgate.net/publication/36374626\\_Theory\\_of\\_neural-analog\\_reinforcement\\_systems\\_and\\_its\\_application\\_to\\_the\\_brain-model\\_problem。\n\n○二 感知机和图灵机其实并不是对等的概念，目前人们已经知道带有递归结构的神经网络是图灵完备的，可以是图灵机的一种形式，称为神经图灵机（Neural Turing Machine）。","previous_page":120,"next_page":122}