摘 要 1943年,Warren McCulloch和Walter Pitts发表论文《神经活动内在思想的逻辑演算》,证明可以使用逻辑演算描述神经网络的运行机理,拓展了计算神经科学的领域前沿,奠定了人工神经网络的发展基础。恰逢M-P论文发表80周年之际,结合时代背景和作者学术生涯的变迁,探索M-P理论的思想源泉;借助原文中的示例,概述M-P模型的基本原理;以作者对循环因果和反馈机制的研究为主线,探讨M-P模型对信息科学发展的影响、对控制论发展的贡献,及其在当今人工智能大模型时代的意义。
关键词 M-P模型;人工神经网络;循环因果;控制论;平行系统;人工智能
0 引言
人工智能历史上经历了3次繁荣:第一次是1957年罗森布莱特(Frank Rosenblatt)提出感知器Perceptron模型,首次通过神经元网络体现出了机器学习的能力;第二次是20世纪80年代初,霍普菲尔德(John Hopfield)引领神经网络的复兴,以罗梅尔哈特(David Rumelhart)等人为代表的PDP学派在1986年重新提出神经网络的反向传播(BP)学习算法,人工智能迎来第二个春天;第三次是2010年前后由辛顿(Geoffrey Hinton)开启的深度学习时代,从2012年的AlexNet,到2017年谷歌提出Transformer,再到2022年年底OpenAI推出ChatGPT,人工神经元网络经历寒冬,两落两起,终于将人工智能带到了历史的转折点。回顾人工智能曲折的发展历程,人工神经网络在人工智能的每一次萌芽、复苏、繁荣中,都扮演着至关重要的角色。而追溯人工