1.3 第一個快速發(fā)展期

人工智能誕生后，很快經(jīng)歷了一個快速發(fā)展的階段。

1957—1958年，美國神經(jīng)學家弗蘭克·羅森布拉特（Frank Rosenblatt）成功地實現(xiàn)了一種他后來正式命名為感知機（Perceptron）的機器研發(fā)。這種感知機能夠對放在它的感應器之前的圖像進行一定的判斷并做出反饋。他研發(fā)所基于的模型就是MP模型，并且做了一定的改進。羅森布拉特提出了兩層的感知機模型，建立了第一個真正的人工神經(jīng)網(wǎng)絡，之后又提出了包含隱藏層在內(nèi)的三層感知機模型。羅森布拉特還給出了一種感知機自行學習的方法，即給出一批包括輸入和輸出實例的訓練數(shù)據(jù)集，感知機依據(jù)以下方式進行學習：對比每組輸入/輸出數(shù)據(jù)，如果感知機的輸出值比訓練數(shù)據(jù)集中的輸出值低，則增加它對應的權重，否則減少它的權重。感知機模型的出現(xiàn)，使人類歷史上開始了真正意義上的機器學習時代。

1958年，來自麻省理工學院的人工智能研究先驅約翰·麥卡錫（John McCarthy）發(fā)明了第一款面向人工智能的高級計算機語言LISP，LISP名稱源自列表處理（List Processing）的英文縮寫。在LISP語言中，率先實現(xiàn)了多個在當時比較先進的技術，包括樹形數(shù)據(jù)結構、自動存儲管理、動態(tài)類型、條件表達式、遞歸運算等。LISP是一種函數(shù)式程序設計語言，所有運算都能以函數(shù)作用于參數(shù)的方式來實現(xiàn)。LISP的這些特點，使得它先天就符合當時人工智能運算的需要，也使它成為長期以來人工智能領域的主要語言之一。

1959年，美國自適應信號處理和神經(jīng)網(wǎng)絡創(chuàng)始人之一的伯納德·威德羅（Bernard Widrow）和他的學生馬辛·霍夫（Marcian Hoff）提出了自適應線性元件（Adaptive Linear Element，Adaline）。它是感知機的變化形式，也是機器學習的創(chuàng)始模型之一。它與感知機的主要不同之處在于，Adaline神經(jīng)元有一個線性激活函數(shù)，它允許輸出的是任意值，而不僅僅只是像感知機和MP模型中那樣只能輸出0或1兩種結果。

在這個階段，人們對于人工智能的前景過于樂觀，認為用感知機模型構建出的神經(jīng)網(wǎng)絡，可以很快形成和人腦一樣的思維來解決問題。因此，世界范圍內(nèi)的很多實驗室紛紛投入這方面的研究，并且各國政府和軍方也投入大量科研資金進行支持。