沃尔特·皮茨与麦卡洛克（Walter Pitts 和 Warren McCulloch）
二人是神经网络真正意义上的鼻祖。 麦克洛克是神经学家，说白了，他是医生。 皮茨是天才的数学家。二人对人类大脑做建模，写了篇论文 《神经活动中思想内在性的逻辑演算》。
皮茨是神童，但更是个苦孩子，家里贫穷，上不起学。他的故事，类似电影《心灵捕手》里的马特达蒙。罗素、卡尔普纳、恩维纳几位大师都赏识这孩子，可惜跟恩维纳相处很不愉快，维纳博士为人有点糊涂，有点邪僻，二人之间的龌蹉当怪责维纳。麦克洛克对皮茨如父，二人一直合作愉快，情同父子，甚至死亡也相隔不久，令人唏嘘。
论文提出大脑其实就是个电子计算机。每个神经元都有 “激活”、“不激活” 两种状态，而其他神经元的输入信号，经过加权取和并判断，决定这个神经元的是否激活。激活的神经元构成的环路，就是人类的记忆。这和数字电路完全是一个道理，人们称呼他们提出的机构为 MP 神经元结构。
这篇论文真是开天辟地。 用一个简单的模型，宣告了人类思想神秘主义的破产。这论文还是冯诺依曼计算机架构、恩维纳控制论的思想源泉，更是 AI 神经网络的源头。不过，这个模型很简单，所以，生物学家们不鸟这个。
唐纳德·赫布（Donald Hebb）
电影黑衣人里，特工配备一把记忆消除棒，闪一下，就抹除掉一段记忆。这个真不是妄想，人类的记忆是有生物学基础的，真是可以抹掉的。 对人类记忆认知的生物学基础，来自赫布。 而 AI 神经网络的生物学基础，也是来自赫布。
唐纳德·赫布，加拿大人，他是研究神经心理学的。为弗洛伊德、巴甫洛夫这些大仙找到生物学理论。 巴甫洛夫说，喂狗食物时摇铃铛，之后只要摇铃铛狗就流口水。 赫布说，这是因为同时被激发的神经元之间形成了回路。 这就是大名鼎鼎的赫布法则（Hebbian Rule）。
有了赫布法则，人类也就没了灵魂，或者说没了那种能脱离肉体，飘在空中，对抗唯物主义的灵魂。 怕鬼的孩子们别怕了，压根就没那回事，人的思维和记忆只是神经细胞触须之间的联系罢了。人的身体、人的大脑，都只是复杂的肉体机器，别想太多了。
之后 AI 的神经网络中无监督学习，就以赫布法则为生物学理论基础，即，我们是在学习人类大脑的机制。赫布的理论对生物、心理乃至机械等领域都影响巨大。顺着赫布的理论研究，科学家们开始尝试编辑记忆，多么科幻啊。
弗兰克罗森布拉格（Frank Rosenblatt）
罗森布拉格乃是机器学习和神经网络 AI 真正的父亲。 麦卡洛克与皮茨提出的 MP 神经元，是开创性的，但只能用来计算。 而罗森布拉格提出的感知机 （Perceptron）则是能够“学习”。 在 MP 结构中，神经元的权重是人指定的，而感知机是根据数据自己学习出权重参数。另外，MP 是一层的，仅仅模拟一个神经元，而感知机是二层的。
罗森布拉格真的造出了一台机器，是IBM-704机器上实现了感知机，后来美国海军和国防部给了他一大笔钱。各种报道也是耸人听闻，吹嘘罗森布拉格马上就能捣鼓出真正的机器人了。罗森布拉格有了钱，香车宝马，奢华了一把，让学界的穷科学家们很是生气，招惹了不少仇人。后来，明斯基的书《感知机：计算几何学介绍》一出，指出感知机很笨，连“异或”逻辑都不能处理，感知机的热度立刻到达冰点，罗森布拉格也就没钱了。 1971年他43岁的时候，沉湖自尽，不知是意外还是自杀。据传，明斯基与罗森布拉特有点私仇，不知真假。
后来，神经网络再次复活，支持神经网络的科学家们纷纷纪念罗森布拉特，IEEE 开了哥罗森普拉特的奖。另一面，神经网络研究者也把怒火喷向明斯基，认为是他妨碍阻挡了神经网络的发展。
马文明斯基 （Marvin Lee Minsky）
马文明斯基是人工智能之父，之所以称之为父，是因为 AI 这个词，就是麦卡锡与明斯基在 1956 年达特茅斯会议上提出来的。这个被视为现代 AI 起点的达特茅斯会议也是麦卡锡和明斯基二人攒起来的。 麦卡锡和明斯基二人关系甚密切，都是普林斯顿大学的博士，从师承上说，麦卡锡算是明斯基的师叔，后来二人又一起在 MIT 同事，建了 MIT 的人工智能实验室。
参加达特茅斯会议的科学家们，有 5 人获得图灵奖，明斯基是其中的第一人。明斯基是纽约人，高中毕业于布朗高中，后入哈佛大学。哈佛人人皆知，布朗克斯虽然不那么知名，但这所高中，可谓鸡娃世界第一，不论是诺贝尔奖人数，还是图灵奖人数都是世界第一高中。
马文明斯基最初是赞成神经网络的，他的博士论文就是关于神经网络的。但后来，他反对神经网络。主要是因为他跟罗森布拉格是同门师兄弟，都是布朗克斯高中的，所以有点同门相残的意思。 罗森布拉格鼎盛时期，明斯基写了本书《感知机：计算几何学介绍》，对罗森布拉格的感知机做了驳斥，指出感知机不能处理异或逻辑，一下子砸了罗森布拉格的生意。后来，明斯基又改变了主意，支持神经网络，甚至在自己的著作中特意纪念罗森布拉格。
但明斯基这本书是神经网络第一次寒冬的导火索，由此，神经网络萧条近20年，学界人人视神经网络为伪学。
马文明斯基除了在人工智能上的建树外，还提出过框架理论（Framework），后来成了面向对象的理论来源。今天大火的元宇宙，如果追溯一下的话，1960年代马文明斯基就提出来了，他称之为 telepresence，基本就是今天又被炒作起来的元宇宙。
明斯基之所以上了深度学习封神榜，乃是因为他对神经网络的批评，是他触发了神经网络的第一次寒冬，所以，他是深度学习的衰神那。而他的师叔麦卡锡就在此榜中不表，因为麦卡锡与深度学习并无关系。
John Hopfield （约翰霍普菲尔德）
霍普菲尔德是物理学家，并非生物学家，也不是计算理论家。霍普菲尔德在加州理工做生物物理学教授，1982 年他提出了霍普菲尔德网络，其实就是一种全连接的神经网络，每个节点连接所有节点。录入初始值后，经过计算学习，系统稳定在一个参数集上。霍普菲尔德是从物理的动力系统出发，设计了这个神经网络，这种网络可以存储数据，还可以解决TSP优化问题。
霍普菲尔德网络并非用来学习，但它对后来的递归神经网络 RNN 有启发的作用。另外，霍普菲尔德网络再次引起了人们对神经网络的兴趣，神经网络开始走出低谷。
保罗·沃伯斯(Paul Werbos)
沃伯斯1974 年还是哈佛大学的一名博士生，他发表了一篇论文，说明了多层神经网络中使用反向传播能够提高学习效率。所以，较真儿的人，会说沃伯斯是反向传播之父，不较真儿的人，会说辛顿是反向传播之父。其实，辛顿已经否认了自己是反向传播的原创者，他说自己的贡献是使用反向传播学习分布式表征。然而，如果再较真儿一点，沃伯斯也不是反向传播之父。1974年芬兰硕士生Seppo Linnainmaa就提出过误差在网络结构中的反向传播方法，但他并未提及神经网络，他的算法虽然有效，但并非为了神经网络而设计。更早一点，Henry J. Kelley 在1960年也曾经提出过反向传播算法，Kelley 是格鲁曼飞机工程公司的工程研究人员，他在论文为了计算飞机航程而提出了反向传播算法。
当然，荣誉都归于辛顿了，沃伯斯发表反向传播时，神经网络正冷，所以就无人问津。这也说明一件事，真是时代造英雄，而不一定是英雄造时代，硬件和数据没到位，沃伯斯再聪明都没用。令人怀疑，是不是在中华上古的夏商周，有中华儿女提出过完整的深度学习算法，但是，被部落的人用石头砸死了。但美国科学界的人还算仗义，1995 年 IEEE 给沃伯斯发了一个神经网络先锋奖，算是一个告慰吧。