En 1958, el psicólogo e ingeniero Frank Rosenblatt presentó un modelo computacional que marcaría otro gran hito en la historia de la inteligencia artificial: el perceptrón.

Inspirado en el funcionamiento básico de las neuronas biológicas, el perceptrón fue uno de los primeros intentos de construir unamáquina capaz de aprender a partir de datos, sin depender únicamente de reglas programadas manualmente.

El perceptrón era un sistema bastante simple: recibía entradas numéricas (por ejemplo, los píxeles de una imagen), las procesaba a través de una capa de conexiones ponderadas, y generaba una salida binaria (sí-no, 0-1, clase A-clase B).

Lo revolucionario era que el sistema ajustaba automáticamente esos pesos internos en función de los errores que cometía durante el entrenamiento con ejemplos. Así, podía mejorar su capacidad para reconocer patrones simples, como distinguir entre formas geométricas o letras.

Este mecanismo de aprendizaje marcó el inicio de lo que más tarde se conocería como Machine Learning, y en concreto, del aprendizaje supervisado y, por ello, el perceptrón se considera el precursor de las redes neuronales artificiales modernas.
Por primera vez, una máquina no solo ejecutaba instrucciones, sino que aprendía de su propia experiencia, una de las ideas centrales (y yo diría, la más importante) de la inteligencia artificial.

El entusiasmo inicial duró poco. En 1969 Marvin Minsky y Seymour Papert publicaron el libro Perceptrons, en el que demostraban matemáticamente que los perceptrones no podían resolver problemas que no fueran lineales, como el famoso caso de la función lógica XOR. Esto reveló serias limitaciones en la arquitectura del perceptrón y, durante más de una década, el interés por las redes neuronales se redujo de manera importante.

Este desencanto fue uno de los factores que llevaron más adelante, ya en la década de 1970, al primer ‘invierno de la IA’, un periodo en el que, al no cumplirse las expectativas, se redujeron drásticamente la financiación y el interés institucional.

Aun así, afortunadamente la idea de construir máquinas que aprendieran por sí solas no desapareció, y décadas más tarde resurgiría con fuerza con el desarrollo del aprendizaje profundo (Deep Learning).