La primera red neuronal artificial 'profunda': El Perceptrón de Rosenblatt

El 8 de mayo de 1958, en el Laboratorio Aerofísico de la Universidad Cornell, Frank Rosenblatt presentó formalmente el Perceptrón, un hito en la investigación de la inteligencia artificial y el aprendizaje automático. Inspirado en la estructura y el funcionamiento del cerebro humano, el Perceptrón era un algoritmo capaz de aprender de la experiencia, reconociendo patrones en los datos de entrada y ajustando sus parámetros para mejorar su rendimiento.

Rosenblatt diseñó el Perceptrón como un modelo computacional del proceso de aprendizaje. Su máquina experimental, a menudo descrita como un 'ordenador que puede pensar', podía aprender a reconocer formas visuales básicas. Fue uno de los primeros intentos exitosos de crear una máquina capaz de aprendizaje supervisado, un concepto clave en la IA actual. La demostración pública del Perceptrón generó un gran entusiasmo y expectativas sobre el futuro de las máquinas pensantes.

Aunque el trabajo de Rosenblatt fue posteriormente criticado y, en cierto modo, eclipsado por el informe Minsky-Papert de 1969 que señalaba limitaciones fundamentales (como la incapacidad de resolver el problema de la 'disyunción exclusiva' XOR), la idea del Perceptrón y su capacidad de aprendizaje fueron precursoras de las redes neuronales modernas. Hoy, las redes neuronales profundas, que han revolucionado campos como el reconocimiento de imágenes y el procesamiento del lenguaje natural, son descendientes directas de los principios establecidos por Rosenblatt hace más de medio siglo.