1.3 第一个快速发展期

人工智能诞生后，很快经历了一个快速发展的阶段。

1957—1958年，美国神经学家弗兰克·罗森布拉特（Frank Rosenblatt）成功地实现了一种他后来正式命名为感知机（Perceptron）的机器研发。这种感知机能够对放在它的感应器之前的图像进行一定的判断并做出反馈。他研发所基于的模型就是MP模型，并且做了一定的改进。罗森布拉特提出了两层的感知机模型，建立了第一个真正的人工神经网络，之后又提出了包含隐藏层在内的三层感知机模型。罗森布拉特还给出了一种感知机自行学习的方法，即给出一批包括输入和输出实例的训练数据集，感知机依据以下方式进行学习：对比每组输入/输出数据，如果感知机的输出值比训练数据集中的输出值低，则增加它对应的权重，否则减少它的权重。感知机模型的出现，使人类历史上开始了真正意义上的机器学习时代。

1958年，来自麻省理工学院的人工智能研究先驱约翰·麦卡锡（John McCarthy）发明了第一款面向人工智能的高级计算机语言LISP，LISP名称源自列表处理（List Processing）的英文缩写。在LISP语言中，率先实现了多个在当时比较先进的技术，包括树形数据结构、自动存储管理、动态类型、条件表达式、递归运算等。LISP是一种函数式程序设计语言，所有运算都能以函数作用于参数的方式来实现。LISP的这些特点，使得它先天就符合当时人工智能运算的需要，也使它成为长期以来人工智能领域的主要语言之一。

1959年，美国自适应信号处理和神经网络创始人之一的伯纳德·威德罗（Bernard Widrow）和他的学生马辛·霍夫（Marcian Hoff）提出了自适应线性元件（Adaptive Linear Element，Adaline）。它是感知机的变化形式，也是机器学习的创始模型之一。它与感知机的主要不同之处在于，Adaline神经元有一个线性激活函数，它允许输出的是任意值，而不仅仅只是像感知机和MP模型中那样只能输出0或1两种结果。

在这个阶段，人们对于人工智能的前景过于乐观，认为用感知机模型构建出的神经网络，可以很快形成和人脑一样的思维来解决问题。因此，世界范围内的很多实验室纷纷投入这方面的研究，并且各国政府和军方也投入大量科研资金进行支持。