1969年，明斯基和派珀特合作写了一本名为《感知器》（Perceptrons）的书（没错，就是我们刚才提到的，1958年带来巨大轰动的“感知器”），使神经网络走入了低谷，所以全世界都把原来的神经网络项目取消了。明斯基怎么说的呢？他指出，神经网络被认为充满潜力，但实际上无法实现人们期望的功能。在他看来，处理神经网络的计算机存在两点关键问题。首先，单层神经网络无法处理“异或”电路；其次，当时的计算机缺乏足够的计算能力，不能满足大型神经网络长时间运行的需求。听起来好像很难懂，但是我们可以用一个简单的小故事来模拟单层神经网络的困境。
话说有这么一个活泼的幼儿园小朋友小明，一天，老师上课的时候在黑板上画了一张图。
老师问：“小朋友们看好哦！现在这个正方形的四个角上都有图形，有人能告诉我都有哪些图形吗？”
小明踊跃举手，然后回答：“有三个圆形和一个菱形！”
老师又问：“真不错！那么我们现在要画一条线，把菱形与圆形分开，应该怎么画呢？”
小明很聪明，马上就画好了一条线。
老师说：“很好！看来你已经掌握了方法。现在你把剩下的两道题都做一下吧！”
小明依然飞快地把线画完了。
老师继续说：“非常好！明天我们有一个跟这道题相关的小测试，答对的小朋友就能拿到小红花！”
小明信心满满地回家了，他想：今天老师出的题都好简单呀，我分分钟就能做完。明天我肯定能拿到小红花。
第二天，小明又高高兴兴地去了幼儿园。但是当老师在黑板上画出题目的时候，小明突然就蒙了。题目如下：请画一条直线，把下图正方形四个角上的两种图形分开。
小明心理崩溃了，怎么不按套路出牌呢？无论他怎么画，都无法用一根直线把圆形、菱形两种图形分开。
我们将这个故事挪用到“感知器”身上，它的任务就是把不同的东西分类。罗森布拉特所提出的单层神经网络只能处理线性分类，也就是说，只能像小明一样“画一条线”。
如果碰到一个像明斯基那样“刁钻”的老师，小明也无法用一条直线做出分类了。
明斯基正是发现了单层神经网络的弊病，才在《感知器》一书中用详细地证明了感知器的弱点，并对神经网络的发展产生了悲观的态度，他还认为如果是两层神经网络，则计算机的运算量会大大增加，且没有有效的学习算法，据此，他认为研究多层神经网络没什么意思。明斯基作为一个人工智能界的领袖人物，他说神经网络不行，大家都觉得神经网络不行了。神经网络技术迅速陷入低谷，这个时期被称为“AIwinter”，即“人工智能的寒冬”。人工智能这一下，就冬眠了将近10年。
但是，总有那么几个不信邪的人，继续努力着研究神经网络。直到1986年斯坦福大学教授鲁梅哈特（Rumelhart）和多伦多大学教授辛顿（Hinton）等人提出了反向传播（Backpropagation，BP）算法，终于解决了两层神经网络所需要的计算量的问题，引领了业界两层神经网络研究的热潮。这时有人要说了：“明斯基这么厉害的大神，也会有预言错误的时候吗？看来他对于人工智能是有功也有过。”但是我们要说，无论明斯基有没有发现单层神经网络的弊病，这一弊病都存在。而正是因为明斯基发现了单层神经网络的弊病，神经网络才能向多层发展。所以，明斯基的这种“过”，也是带着“功”的。
