沃爾特·皮茨與麥卡洛克（Walter Pitts 和 Warren McCulloch）
二人是神經網絡真正意義上的鼻祖。 麥克洛克是神經學家，說白了，他是醫生。 皮茨是天才的數學家。二人對人類大腦做建模，寫了篇論文 《神經活動中思想內在性的邏輯演算》。
皮茨是神童，但更是個苦孩子，家裏貧窮，上不起學。他的故事，類似電影《心靈捕手》裏的馬特達蒙。羅素、卡爾普納、恩維納幾位大師都賞識這孩子，可惜跟恩維納相處很不愉快，維納博士爲人有點糊塗，有點邪僻，二人之間的齷蹉當怪責維納。麥克洛克對皮茨如父，二人一直合作愉快，情同父子，甚至死亡也相隔不久，令人唏噓。
論文提出大腦其實就是個電子計算機。每個神經元都有 “激活”、“不激活” 兩種狀態，而其他神經元的輸入信號，經過加權取和並判斷，決定這個神經元的是否激活。激活的神經元構成的環路，就是人類的記憶。這和數字電路完全是一個道理，人們稱呼他們提出的機構爲 MP 神經元結構。
這篇論文真是開天闢地。 用一個簡單的模型，宣告了人類思想神祕主義的破產。這論文還是馮諾依曼計算機架構、恩維納控制論的思想源泉，更是 AI 神經網絡的源頭。不過，這個模型很簡單，所以，生物學家們不鳥這個。
唐納德·赫布（Donald Hebb）
電影黑衣人裏，特工配備一把記憶消除棒，閃一下，就抹除掉一段記憶。這個真不是妄想，人類的記憶是有生物學基礎的，真是可以抹掉的。 對人類記憶認知的生物學基礎，來自赫布。 而 AI 神經網絡的生物學基礎，也是來自赫布。
唐納德·赫布，加拿大人，他是研究神經心理學的。爲弗洛伊德、巴甫洛夫這些大仙找到生物學理論。 巴甫洛夫說，餵狗食物時搖鈴鐺，之後只要搖鈴鐺狗就流口水。 赫布說，這是因爲同時被激發的神經元之間形成了迴路。 這就是大名鼎鼎的赫布法則（Hebbian Rule）。
有了赫布法則，人類也就沒了靈魂，或者說沒了那種能脫離肉體，飄在空中，對抗唯物主義的靈魂。 怕鬼的孩子們別怕了，壓根就沒那回事，人的思維和記憶只是神經細胞觸鬚之間的聯繫罷了。人的身體、人的大腦，都只是複雜的肉體機器，別想太多了。
之後 AI 的神經網絡中無監督學習，就以赫布法則爲生物學理論基礎，即，我們是在學習人類大腦的機制。赫布的理論對生物、心理乃至機械等領域都影響巨大。順着赫布的理論研究，科學家們開始嘗試編輯記憶，多麼科幻啊。
弗蘭克羅森布拉格（Frank Rosenblatt）
羅森布拉格乃是機器學習和神經網絡 AI 真正的父親。 麥卡洛克與皮茨提出的 MP 神經元，是開創性的，但只能用來計算。 而羅森布拉格提出的感知機 （Perceptron）則是能夠“學習”。 在 MP 結構中，神經元的權重是人指定的，而感知機是根據數據自己學習出權重參數。另外，MP 是一層的，僅僅模擬一個神經元，而感知機是二層的。
羅森布拉格真的造出了一臺機器，是IBM-704機器上實現了感知機，後來美國海軍和國防部給了他一大筆錢。各種報道也是聳人聽聞，吹噓羅森布拉格馬上就能搗鼓出真正的機器人了。羅森布拉格有了錢，香車寶馬，奢華了一把，讓學界的窮科學家們很是生氣，招惹了不少仇人。後來，明斯基的書《感知機：計算幾何學介紹》一出，指出感知機很笨，連“異或”邏輯都不能處理，感知機的熱度立刻到達冰點，羅森布拉格也就沒錢了。 1971年他43歲的時候，沉湖自盡，不知是意外還是自殺。據傳，明斯基與羅森布拉特有點私仇，不知真假。
後來，神經網絡再次復活，支持神經網絡的科學家們紛紛紀念羅森布拉特，IEEE 開了哥羅森普拉特的獎。另一面，神經網絡研究者也把怒火噴嚮明斯基，認爲是他妨礙阻擋了神經網絡的發展。
馬文明斯基 （Marvin Lee Minsky）
馬文明斯基是人工智能之父，之所以稱之爲父，是因爲 AI 這個詞，就是麥卡錫與明斯基在 1956 年達特茅斯會議上提出來的。這個被視爲現代 AI 起點的達特茅斯會議也是麥卡錫和明斯基二人攢起來的。 麥卡錫和明斯基二人關係甚密切，都是普林斯頓大學的博士，從師承上說，麥卡錫算是明斯基的師叔，後來二人又一起在 MIT 同事，建了 MIT 的人工智能實驗室。
參加達特茅斯會議的科學家們，有 5 人獲得圖靈獎，明斯基是其中的第一人。明斯基是紐約人，高中畢業於布朗高中，後入哈佛大學。哈佛人人皆知，布朗克斯雖然不那麼知名，但這所高中，可謂雞娃世界第一，不論是諾貝爾獎人數，還是圖靈獎人數都是世界第一高中。
馬文明斯基最初是贊成神經網絡的，他的博士論文就是關於神經網絡的。但後來，他反對神經網絡。主要是因爲他跟羅森布拉格是同門師兄弟，都是布朗克斯高中的，所以有點同門相殘的意思。 羅森布拉格鼎盛時期，明斯基寫了本書《感知機：計算幾何學介紹》，對羅森布拉格的感知機做了駁斥，指出感知機不能處理異或邏輯，一下子砸了羅森布拉格的生意。後來，明斯基又改變了主意，支持神經網絡，甚至在自己的著作中特意紀念羅森布拉格。
但明斯基這本書是神經網絡第一次寒冬的導火索，由此，神經網絡蕭條近20年，學界人人視神經網絡爲僞學。
馬文明斯基除了在人工智能上的建樹外，還提出過框架理論（Framework），後來成了面向對象的理論來源。今天大火的元宇宙，如果追溯一下的話，1960年代馬文明斯基就提出來了，他稱之爲 telepresence，基本就是今天又被炒作起來的元宇宙。
明斯基之所以上了深度學習封神榜，乃是因爲他對神經網絡的批評，是他觸發了神經網絡的第一次寒冬，所以，他是深度學習的衰神那。而他的師叔麥卡錫就在此榜中不表，因爲麥卡錫與深度學習並無關係。
John Hopfield （約翰霍普菲爾德）
霍普菲爾德是物理學家，並非生物學家，也不是計算理論家。霍普菲爾德在加州理工做生物物理學教授，1982 年他提出了霍普菲爾德網絡，其實就是一種全連接的神經網絡，每個節點連接所有節點。錄入初始值後，經過計算學習，系統穩定在一個參數集上。霍普菲爾德是從物理的動力系統出發，設計了這個神經網絡，這種網絡可以存儲數據，還可以解決TSP優化問題。
霍普菲爾德網絡並非用來學習，但它對後來的遞歸神經網絡 RNN 有啓發的作用。另外，霍普菲爾德網絡再次引起了人們對神經網絡的興趣，神經網絡開始走出低谷。
保羅·沃伯斯(Paul Werbos)
沃伯斯1974 年還是哈佛大學的一名博士生，他發表了一篇論文，說明了多層神經網絡中使用反向傳播能夠提高學習效率。所以，較真兒的人，會說沃伯斯是反向傳播之父，不較真兒的人，會說辛頓是反向傳播之父。其實，辛頓已經否認了自己是反向傳播的原創者，他說自己的貢獻是使用反向傳播學習分佈式表徵。然而，如果再較真兒一點，沃伯斯也不是反向傳播之父。1974年芬蘭碩士生Seppo Linnainmaa就提出過誤差在網絡結構中的反向傳播方法，但他並未提及神經網絡，他的算法雖然有效，但並非爲了神經網絡而設計。更早一點，Henry J. Kelley 在1960年也曾經提出過反向傳播算法，Kelley 是格魯曼飛機工程公司的工程研究人員，他在論文爲了計算飛機航程而提出了反向傳播算法。
當然，榮譽都歸於辛頓了，沃伯斯發表反向傳播時，神經網絡正冷，所以就無人問津。這也說明一件事，真是時代造英雄，而不一定是英雄造時代，硬件和數據沒到位，沃伯斯再聰明都沒用。令人懷疑，是不是在中華上古的夏商周，有中華兒女提出過完整的深度學習算法，但是，被部落的人用石頭砸死了。但美國科學界的人還算仗義，1995 年 IEEE 給沃伯斯發了一個神經網絡先鋒獎，算是一個告慰吧。