El perceptrón es la primera red neuronal que aprende de ejemplos: una unidad de umbral como la de Neurona de McCulloch y Pitts, pero con pesos numéricos que se ajustan cada vez que se equivoca. Frank Rosenblatt, un psicólogo del Cornell Aeronautical Laboratory, lo presentó en 1958 como un modelo probabilístico del almacenamiento y la organización de la información en el cerebro, que es el título de su artículo (Rosenblatt, 1958).
Cómo funciona
Cada entrada se multiplica por un peso, los productos se suman y, si el total supera un umbral, la unidad responde 1 («dispara»); si no, 0 (M. Mitchell, 2019, ch. 1), o −1 en la convención de Witten et al. (2017, p. 133). Si se agrega una entrada constante igual a 1 (el sesgo), el umbral se vuelve un peso más y la regla es simplemente: suma positiva, primera clase; si no, la segunda (Witten et al., 2017, p. 132). Geométricamente, los pesos definen un hiperplano, una frontera de decisión lineal.
Lo novedoso es la regla de aprendizaje. Se empieza con pesos en cero (o al azar) y se recorren los ejemplos etiquetados: si uno de la primera clase queda mal clasificado, se suman sus valores al vector de pesos; si es de la segunda, se restan. Así, la salida para ese ejemplo se mueve en la dirección correcta, porque cambia en Σ aᵢ², que siempre es positivo (Witten et al., 2017, pp. 132–133). Mitchell subraya el parentesco con el conductismo de Skinner: premiar los aciertos y castigar los errores es lo que hoy llamamos aprendizaje supervisado (2019, ch. 1). Si los datos son linealmente separables, la regla converge en una cantidad finita de pasos; si no lo son, no termina nunca (Witten et al., 2017, p. 133). Se puede probar en el laboratorio del perceptrón.
Qué cambió
Además de los pesos aprendidos, cambió el lenguaje. Rosenblatt consideraba que los modelos de cerebro de McCulloch y Pitts eran «logical contrivances» (artilugios lógicos) diseñados para algoritmos particulares, y que la lógica simbólica y el álgebra de Boole no servían para estudiar redes imperfectas y con conexiones al azar; por eso formuló su modelo en términos de teoría de la probabilidad (Rosenblatt, 1958, pp. 387–388). Su «fotoperceptrón» tenía una retina de unidades sensoriales, una capa de asociación conectada al azar y unidades de respuesta (1958, pp. 388–390); en términos modernos, una sola capa de pesos entrenables (Buckner, 2024, p. 120).
También cambió la escala de las promesas. Tras una demostración de la Marina en julio de 1958, el New York Times informó que se esperaba una computadora capaz de «walk, talk, see, write, reproduce itself, and be conscious of its existence» [caminar, hablar, ver, escribir, reproducirse y ser consciente de su existencia] (M. Mitchell, 2019, ch. 1).
Límites
Una frontera lineal puede separar los casos de AND, OR y NOT, pero no los de XOR (Witten et al., 2017, p. 262). En 1969, Minsky y Papert demostraron que el tipo de problemas que un perceptrón simple resuelve a la perfección es muy limitado (Minsky y Papert, 1969). Que una capa extra resolvía XOR se sabía, y el propio Rosenblatt lo había señalado; lo que faltaba era una regla para entrenar redes de varias capas (Buckner, 2024, p. 120). Según Mitchell, más que la matemática, pesó la especulación del libro de que la extensión a varias capas sería «sterile» (estéril); el financiamiento se secó y Rosenblatt murió en 1971 (2019, ch. 1). Las redes neuronales tardaron décadas en volver, hasta que la retropropagación permitió entrenar varias capas (Chollet, 2021, sec. 1.2.2); para eso hubo que reemplazar el escalón, que no es derivable, por una sigmoide (Witten et al., 2017, p. 264). Ese es el perceptrón multicapa.