请注意，本文编写于 932 天前，最后修改于 931 天前，其中某些信息可能已经过时。
“人工” “智能”，人工究竟如何创造智能。
人工神经元
在1943年麦卡洛克和皮茨（McCullouch and Pitts）提出了“人工神经元”模型(麦卡洛克-皮茨神经元模型简称MP模型)，是第一次模仿生物体的神经元进行设计的模型。
麦卡洛克是当时非常著名的生物学家它和当时的数学家皮茨一起工作，模仿生物神经元的树突、轴突、细胞核制作出了人工神经元模型。生物获取多个电信号经过树突的正确处理后来到细胞核，大量电信号经整合电信号发生总和达到阈值时输出，通过轴突传导下一个神经元；人工神经元获取多个数据（x1、x2、x3....xn）经过权重参数（w11、w12、w13.....w1n）来到求和函数，通过激活书函数激活达到阈值后输出。可以看这是非常的相似的。
Rosenblatt感知器
可是MP模型的权重参数w需要手动调整，在处理相应的问题的时候需要我们人自己去根据事物的特征去寻找w，如果不调整神经元的权重参数将会输出错误的信号，这未免太不智能了吧。
在1958年，心理学家弗兰克·罗森布拉特（Flank Rosenblatt）提出了感知机模型(Rosenblatt感知器)，Rosenblatt感知器是根据MP模型的单层“神经网络”，是历史上首个根据样本数据来学习到正确的权重参数的模型。
对于线性可分为两类的数据，按照Rosenblatt感知机的误差修正算法，可以根据样本数据经过多次迭代运算，最终实现运算收敛，确定每个输入x对应的权重W。我们把迭代运算的过程称为“神经网络的训练”，最终训练好的神经网络可以对新的数据作分类预测。这就是最简单的“机器学习”的过程。
Rosenblatt感知器为之后的人工智能的研究提供了灵感，人工智能也就开始了蓬勃发展。
参考文献
