Neil Zhu，简书ID Not_GOD，University AI 创始人 & Chief Scientist，致力于推进世界人工智能化进程。制定并实施 UAI 中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。
作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早的人工智能社团）, DL Center（深度学习知识中心全球价值网络），AI growth（行业智库培训）等，为中国的人工智能人才建设输送了大量的血液和养分。此外，他还参与或者举办过各类国际性的人工智能峰会和活动，产生了巨大的影响力，书写了60万字的人工智能精品技术内容，生产翻译了全球第一本深度学习入门书《神经网络与深度学习》，生产的内容被大量的专业垂直公众号和媒体转载与连载。曾经受邀为国内顶尖大学制定人工智能学习规划和教授人工智能前沿课程，均受学生和老师好评。

基本上在人们尝试建造出“可以思考”的计算机的时候，研究者们就在争论这些机器运行的方式。是否应该模仿我们目前所知的思维运行方式，如同可以编入一个计算机语言的逻辑的Cartesian天堂和抽象思维？或者计算机模拟一个真实大脑的极其简化的版本，包含神经元的网络和轴突的尾巴，期望这些网络可以增加更加高级的计算层次？这个数十年的争论也在某种程度上形成了人工智能。
在1950年代后期，大脑模仿的先驱，Frank Rosenblatt，一位在Cornell航空实验室的心理学家，被Donald O. Hebb的工作启发。Hebb在十年前已经预测了学习的工作原理：当一个神经元被激活，然后激活另一个，这样不断地进行下去，细胞会提高他们的连接效率。“这些细胞激活另外的细胞，接着就网罗在一起，”这位神经认知学家如是说。Rosenblatt认为，这个简单的想法足够建造出一个可以用来学习识别对象的机器了。
他后来成功设计出来：你可以看到感知机（Perceptron）。它的运作机制很简单。占据整个实验室的空间，感知机包含三层。在一端，400个传感器聚集成一个方块来模拟视网膜；连接很多次到一个包含512个电子trigger的阵列上的传感器，每个当被传入一个某个满足一个阈值的刺激的时候都可以像神经元那样被激发。这些trigger然后会连接到最后一层上，该层可以显示一个对象是否与训练的感知机匹配。
被训练是一个重要的概念：感知机本身并没有编程，但是是训练。他不可以自我学习。Rosenblatt创建了一个公式，可以计算出感知机正确或者错误的程度，并且错误可以被追溯，并在这个512个trigger上进行独立地调整。尽可能巧妙地改变这些权值之后，感知机可以识别出非常基本的模式，例如标准化的字母形状。
这是一个震撼的进步，但是Rosen并不敢公开出来这个结果。在1958年的夏天，他和他的赞助者美国海军组织了一个新闻发布会。在科学界经常发生的情形，他开始讨论未来。对当时的研究者来说，全是傻话；而现在，太有先见之明了。当年的纽约时报总结如下：
海军揭示了今天的电子计算机萌芽时期，它将可以走路、谈话、观察、写作、繁衍本身和意识到自身的存在……将来的感知机可以识别人类、说出他们的名字、并可以实时地翻译演讲，从一种语言翻译成另外的语言并记录下来。
Rosenblatt的名声噪起激怒了同行们，许多人尝试追求基于规则的人工智能；两派都在争取政府同样一笔研究经费。最为重要的是，Marvin Minsky和Seymour Papert，两位MIT的卓越的计算机科学家，开始复制感知机并揭露其缺陷，并在1969年出版的一本专著中宣告神经网络的失败，这事件几乎埋葬了神经网络领域。感知机有着本质的限制。因为它甚至不能学习“异或”，一个逻辑学中的操作。
学习这个函数将需要哎感知机中增加一个额外的层。但是没有人想出一个生物学上合理的解释来计算和为这个隐藏层的调整进行传播。这个神经网络压缩后的信息并不能在后续过程中找回。就像时间那样不可以倒流。学习也就此终止，而获得的经费也随之飞散。Minsky和Papert赢得了这个战争。
遭受挫败后的Rosenblatt随后也就寻找到其他的出口。他开始着迷上一个尝试展示从一个老鼠到另一只老鼠的大脑细胞移植并保留记忆的项目上。这项工作并没有持续太久。Rosenblatt就去世了，很年轻，在1971年的一次航海事故中，那天也是他的生日。
看起来，神经网络要随Rosenblatt而逝去了。
===