当前位置：首页 > AI科普

神经网络的老祖宗是啥？聊聊感知机这个老伙计

感知机，说白了就是人工智能神经网络家族里最老、最朴素的那位祖宗，1958 年就被科学家鼓捣出来了。它的活儿特简单：把几个输入数字各自乘上权重、加一块儿，再跟一道门槛比一比，超过就输出「是」、没超过就输出「否」。你别看它土，今天那些能聊天画画的大模型，往上捯都是从这棵小苗长出来的。理解感知机，等于摸到了神经网络的第一块砖，米岸AI 觉得这入门课值得大伙儿都听一耳朵。

感知机咋算：加权求和，过门槛

感知机的算法就三步，小学算术水平。第一步，每个输入（比如「身高」「体重」）都带一个权重，代表它有多重要；第二步，把所有「输入乘权重」的结果加总，再添个偏置项当微调旋钮；第三步，拿总和去跟阈值比——大于阈值输出 1，否则输出 0。就这么个「加权求和比门槛」的套路，它就是神经元的最小模型。当年发明人把它叫「感知机」，寄望它能模拟大脑，现在看是天真了点，但骨架立得对，后来的事大家都知道了。

它认什么：只能画一条直线分两类

感知机能干的活儿，形象说就是「在平面上画一条直线，把两类点分开」。比如根据身高体重判断男女，它能找到一条分界，线这边判男、那边判女。这类「一条直线就能分」的问题，行话叫「线性可分」，感知机对付它不在话下。所以你别小看它，凡是能靠一条直线拍板的事儿，这老伙计干得又快又稳，是后来所有分类器的老前辈，根儿上的逻辑一脉相承。

它的死穴：连「异或」都搞不定

但感知机有个著名短板，堪称 AI 史上的名场面——它搞不定「异或」（XOR）。异或啥意思？就是「相同为 0、不同为 1」，比如两类点得用「十字交叉」才能分开，一条直线根本切不动。感知机只会画直线，遇上这种得绕个弯的活儿直接歇菜。1969 年明斯基在书里把这事儿点破，一下子把神经网络这拨人浇了冷水，研究冷了快二十年。这教训老炮都记着：工具再基础，也有它够不着的坎，硬上只会撞墙。

后来咋救回来的：叠层、加非线性

感知机没死，是被「升级」了。两招救命：一是「叠层」——单个感知机画直线，把好几个摞起来、中间加隐藏层，就能画曲线、切异或；二是「加非线性」——把那个硬门槛换成平滑的激活函数（比如 sigmoid、ReLU），让模型学会弯弯绕。这俩一结合，就成了今天的多层神经网络、深度学习。所以你看，今天的大模型再神，拆开了还是一堆感知机套娃，老祖宗的魂儿一点没丢，只是后代更会绕弯了。

它为啥今天还值得唠

有人问：都 2026 年了，唠这 1958 年的老古董图啥？图它好懂。学深度学习，一上来就怼 Transformer、注意力，新手准懵；从感知机这棵苗摸起，先把「加权求和、过门槛、画直线」吃透，后面那些花活儿才有根。而且它那道坎（异或）也是活教材：提醒你任何模型都有能力边界，别神话。米岸AI 整理科普，就爱从这种「老底子」讲起，地基稳了，楼才盖得明白，不是图新鲜。