1956 年夏天，在达特茅斯学院的一次研讨会上，一群数学家和工程师聚集在一起，讨论一个听起来疯狂的想法：机器能否模拟人类智能？ 这次会议被认为是人工智能作为一个学科正式诞生的时刻。马文·明斯基（Marvin Minsky）是组织者之一，也是此后半个世纪里推动和争议这个领域最重要的人物之一。
他是一个罕见的类型：既能构建数学理论，又会亲手搭电路，还能写出关于心灵本质的哲学书籍。他对 AI 的贡献跨越了技术和哲学两个层面，而他的某些判断——包括著名的乐观预测和对神经网络的批评——既推动了历史，也延误了历史。
破除误解：明斯基不只是"AI 之父"
明斯基经常被冠以"人工智能之父"的称号，但这个称号他本人与约翰·麦卡锡（John McCarthy）共同分享，且麦卡锡是"人工智能"这个词语本身的命名者。更准确地说，明斯基是认知科学（cognitive science）和符号 AI（symbolic AI）的核心建构者，他的工作从技术细节到哲学基础都有覆盖。
同样需要澄清的是：1969 年明斯基与帕珀特（Seymour Papert）合著的《感知机》（Perceptrons）一书对神经网络的批评，常被认为"扼杀了神经网络研究二十年"。这个说法有失公平——他们的批评针对的是单层感知机，在数学上是正确的；是后来的研究者没有充分阅读这本书就放弃了多层网络的研究。
现场：从神经网络到符号主义
明斯基 1927 年 8 月 9 日生于纽约市，父亲是一位眼科医生。他在哈佛读本科，在普林斯顿完成数学博士（1954 年），导师是阿尔伯特·塔克（Albert Tucker）。
他的博士论文研究的是神经网络——这在当时几乎是一个全新的领域。1951 年，还是研究生的他与迪恩·埃德蒙兹（Dean Edmonds）共同建造了SNARC（Stochastic Neural Analog Reinforcement Calculator）：一台用 40 个神经元模拟蠕虫学习行为的模拟计算机，被认为是世界上第一台真正意义上的神经网络计算机。
SNARC 的机制值得细看，因为它已经包含了后来强化学习的全部要素。这台机器由约 40 个"神经元"单元组成，硬件用了约 300 只电子管，还拆用了 B-24 轰炸机自动驾驶仪的零件。每个神经元有两种记忆：电容器充当短期记忆，记录该神经元最近几秒内是否传递过信号；电位器充当长期记忆，调节它向下游传递信号的概率。当系统获得"奖励"（人工或自动给出），最近活跃过的那些连接，其传递概率就被调高——奖励不直接改变行为，而是改变连接的可塑性。
明斯基和埃德蒙兹用 SNARC 模拟老鼠在迷宫里找食物的学习过程。这是用硬件实现的试错学习：没有程序，没有规则，只有连接概率在奖励信号下的缓慢漂移。明斯基本人后来放弃这条路线，但他从未否认它的合理性——他否认的是"仅靠这条路线就够了"。
然而，完成博士论文后，明斯基转向了符号 AI 的路线。他认为要理解智能，需要理解知识的表示与推理，而不是简单的连接权重调整。这个转变有深刻的哲学理由，也有当时技术条件的限制。
核心贡献一：MIT 人工智能实验室
1958 年，明斯基加入 MIT，与麦卡锡共同创立了MIT 人工智能实验室（MIT AI Lab，后改名 CSAIL）。这个实验室在接下来的数十年里成为全球 AI 研究的核心，培养了大量后来的领域领袖。
在 MIT，明斯基创造了一系列开创性工具：
- 机械手臂与视觉系统：1960 年代，他的团队构建了能够完成简单积木操作的机器人，这是机器人学和计算机视觉的早期里程碑。
- 共焦显微镜（Confocal Microscope）：明斯基在 1957 年申请了共焦显微镜的专利，这项发明彻底改变了生物显微学，但与 AI 无关——他有极宽广的兴趣。
- Logo 语言：他支持同事帕珀特开发了 Logo 编程语言，专为儿童设计，是教育计算机学的先驱。
核心贡献二：框架理论
1974 年，明斯基发表了论文《知识的框架表示》（"A Framework for Representing Knowledge"），提出了框架理论（Frame Theory）：
人类理解新情况时，并不从零开始推理，而是调用存储在记忆中的"框架"——即关于典型情境的结构化模板（如"办公室框架"包含桌子、椅子、电脑等默认元素）。当实际情况与框架不符时，才进行局部调整。
框架理论的机制有三个部件：槽位（slots）规定这种情境应有哪些角色和属性；默认值（default values）在信息缺失时自动把槽位填满——你走进一间陌生的办公室，不必先看见椅子就默认有椅子；特化层允许"总经理办公室框架"继承"办公室框架"的全部结构，只覆盖少数差异。理解一个新情境，于是成了检索与匹配：大脑调出一个候选框架，把观察到的证据塞进槽位，填不进去的部分触发框架切换或局部修正。
这个设计的代价与收益是同一条：默认值让理解飞快，也让错误可预测——凡被默认值填上而未被观察修正的槽位，都可能成为错误记忆或刻板印象的来源。明斯基清醒地看到了这一面：框架理论本身就是一种关于"智能系统必然在某些地方出错"的理论。
这个理论影响深远：它启发了面向对象编程中的"对象"和"类"概念；启发了知识图谱的设计；也影响了认知心理学对人类概念理解的研究。框架理论是联结 AI 和认知科学的重要桥梁。
核心贡献三：心灵社会理论
1986 年，明斯基出版《心灵社会》（The Society of Mind），这是他影响最广的普及性著作。核心主张：
心智不是一个单一的机制，而是由数百个或数千个被称为"智能体"（agents）的简单过程组成的"社会"。每个智能体本身是简单的、"愚蠢的"，但它们的协作涌现出复杂的、看似"智能"的行为。
这个理论回答了一个核心问题：复杂性来自哪里？ 答案不是某个神秘的"中央指挥官"，而是简单规则的组合涌现。这个思想框架预示了后来的分布式 AI、多智能体系统，甚至与生物系统（蚁群、神经网络）的涌现机制有深层呼应。
《感知机》争议
1969 年，明斯基与帕珀特出版《感知机》，从数学上严格证明了单层感知机无法解决线性不可分问题（最著名的例子是 XOR 问题）。
这本书的数学内容是正确的，但它在 AI 社区产生了寒蝉效应：许多研究者——和资助机构——将这本书解读为"神经网络是死路一条"，于是大量 AI 资金转向了符号系统。神经网络研究由此进入低谷，直到 1980 年代中期反向传播算法重新普及才复苏，前后跨越十余年。
这里的历史公案是：明斯基和帕珀特在书中确实提到多层感知机（即后来的"深度学习"前身）可以克服这些限制，但没有给出充分的正面研究。他们的批评是准确的，但人们接收到的信息却是误读的。1988 年该书再版时，明斯基在前言中为此做出了部分解释。
《感知机》到底证明了什么
这本书常被引用，却很少被读。它的数学内容其实分三层。
第一层是几何事实。 单层感知机的决策边界是一个超平面（二维里就是一条直线），因此它只能分开线性可分的两类点。XOR 是标准反例：(0,0) 与 (1,1) 输出 0，(0,1) 与 (1,0) 输出 1——四个点摆成正方形，任何一条直线都无法把输出 1 的两个角与输出 0 的两个角分开。这不是工程不足，而是表示能力的缺失。
第二层是一般性定理。 明斯基和帕珀特系统研究了"感知机能计算哪类谓词"，引入了谓词的"阶"（最小析取范式中最大合取项的规模）等概念，并证明了一批限制性结果。其中最深的是群不变性定理（Group Invariance Theorem），它刻画了在对称变换群下保持不变的谓词能被感知机表示的充要条件。他们还证明：每个输入单元只能"看到"有限小区域的感知机（直径受限感知机）无法判断一幅图像是否连通——"这块图案是一个整体还是两块"这种人类一眼完成的判断，超出了这类机器的能力。
第三层是一个猜想而非证明。 对多层网络，两人只表达了怀疑：当时没有有效的学习规则，他们直觉判断这条路"是贫瘠的"（sterile），但明确承认这无法证明。全书真正缺的不是数学，而是一个能训练多层的算法。这个算法（反向传播）在 1986 年由鲁梅尔哈特（David Rumelhart）、辛顿（Geoffrey Hinton）和威廉姆斯（Ronald Williams）重新推广后才补上——距离《感知机》出版过去了十七年。
图灵奖与晚年
1969 年，明斯基因"在 AI 领域的核心贡献"获得 ACM 图灵奖（Turing Award），是图灵奖历史上的早期得主之一。此后他还获得日本奖（Japan Prize，1990 年）、本杰明·富兰克林奖章（2001 年）等。
他一直保持旺盛的智识活力，晚年关注意识、情感与 AI 的交叉问题，2006 年出版《情感机器》（The Emotion Machine），提出人类的情感本身是认知过程的一种形式，而非与理智对立的东西。
2016 年 1 月 24 日，明斯基因脑出血在波士顿去世，享年 88 岁。
跨域连接
- 错误记忆：框架的作用是给未观察到的槽位填上默认值，理解因此变快。代价是回忆时默认值会被当成实际观察——与脚本一致的细节更容易被"记起来"，哪怕它从未出现。这使记忆错误变成可预测的：知道一个人调用了哪套框架，就能预判他会误记哪些内容，而不是只能说他记错了。
- 蜜蜂：心灵社会主张智能来自大量简单个体的协作，没有中央指挥。蜂群给出了同一结论的实证版本：分工与集体决策由局部规则和信号强度决定，切开任何一只都找不到"指挥者"。判据也很干净——若存在中枢，破坏它应导致整体瘫痪；这类系统里没有这样的点。
- 可得性启发：一本书的结论如何被记住，取决于最容易被复述的那一句，而不是全书的限定条件。"单层网络解不了异或"传开了，"多层也许可以但我们没研究"没有传开。推论对任何研究者都不友好：越是能压缩成一句话的负面结论，传得越远，限定条件丢得越干净。
- 中文屋：塞尔的论证要求"理解"必须由某个部件承担；而"理解"同样不驻留在任何单个神经元里——把系统级属性在部件层面的缺席当成反驳，是部分与整体的混淆。检验方式现成：把同一套论证原样套到人脑上，它会同样有力地否认人懂中文，这说明论证形式本身出了问题。
- 面向对象编程：框架的结构是槽位加默认值加逐层特化，这正是类与实例的形状——继承在这里不是代码复用手段，而是默认值的层层覆盖。这条谱系也解释了一件史实：知识表示与编程语言的这套概念，为什么会在同一批实验室里同时冒出来。
历史定位：先知与论战者
明斯基是 AI 历史上最难评价的人物之一。他的三项核心贡献（框架理论、心灵社会、感知机批判）在今天看来有截然不同的命运：框架理论的直接影响被神经网络超越，但其背后的"知识表示"思想在知识图谱和提示工程中以新形式复活；心灵社会的"涌现"思想被分布式 AI 印证；而对感知机的批判，则既正确（单层限制）又误导了一个时代的研究方向。
这种复杂性正是思想者的宿命：最深刻的思想，往往在短期内看起来正确，在中期看起来被推翻，在长期又以变形的方式复活。
参考文献
- Minsky, M. & Papert, S. Perceptrons: An Introduction to Computational Geometry. MIT Press (1969; 2nd ed. 1988). （神经网络批评的原始文本）
延伸阅读
- Minsky, M. The Society of Mind. Simon & Schuster (1986). （最广为人知的作品，适合大众阅读）
- Minsky, M. The Emotion Machine. Simon & Schuster (2006). （晚年关于认知与情感的综合理论）
- Crevier, D. AI: The Tumultuous History of the Search for Artificial Intelligence. Basic Books (1993). （AI 历史的权威叙述，明斯基贯穿全书）