Frank Rosenblatt (1928-1971) fue un psicólogo y científico informático estadounidense que inventó el perceptrón, una de las primeras redes neuronales artificiales entrenables y un antepasado directo de las arquitecturas modernas de aprendizaje profundo.
El perceptrón
Trabajando en el Laboratorio Aeronáutico de Cornell, Rosenblatt construyó el perceptrón en 1958 como un modelo simplificado de una neurona biológica capaz de aprender a clasificar patrones visuales simples ajustando conexiones ponderadas en respuesta a errores, un ejemplo temprano del procedimiento de entrenamiento ahora central en el aprendizaje supervisado. Implementado primero en software en un IBM 704 y más tarde como una pieza de hardware dedicada llamada Mark I Perceptron, equipada con una cuadrícula de 20 por 20 de fotocélulas que actuaban como retina, podía aprender a distinguir formas simples tras la exposición repetida a ejemplos etiquetados.
Publicidad y exageración
Una conferencia de prensa de la Armada de los Estados Unidos en 1958 y la posterior cobertura del New York Times describieron el perceptrón en términos que anticipaban máquinas que podrían "caminar, hablar, ver, escribir, reproducirse a sí mismas y ser conscientes de su existencia", generando expectativas mucho más allá de lo que la arquitectura de una sola capa podía ofrecer. Las afirmaciones técnicas del propio Rosenblatt eran más mesuradas, pero la brecha entre la expectativa pública y las capacidades reales y limitadas del perceptrón contribuyó a una reacción negativa una vez que sus limitaciones fueron ampliamente comprendidas.
La crítica de Minsky y Papert
En 1969, Marvin Minsky y Seymour Papert publicaron "Perceptrons", un análisis matemático que demostraba que los perceptrones de una sola capa, como el de Rosenblatt, no podían calcular funciones como la XOR lógica, que requieren que la salida dependa de manera no lineal de combinaciones de entradas. Rosenblatt ya había explorado diseños de múltiples capas que podrían, en principio, superar tales límites, pero el tratamiento riguroso del modelo más simple en el libro, combinado con la reducción de fondos, se cita ampliamente como una causa contribuyente del primer invierno de la IA, un período de aproximadamente quince años en el que la investigación en redes neuronales cayó en desgracia en comparación con los enfoques de IA simbólica.
Muerte y legado
Rosenblatt murió en un accidente de navegación el día de su cumpleaños en 1971, antes del eventual resurgimiento de la investigación en redes neuronales. El algoritmo de retropropagación, popularizado a mediados de la década de 1980 por David Rumelhart, Geoffrey Hinton y Ronald Williams, extendió la arquitectura básica de Rosenblatt a múltiples capas y resolvió el mismo problema que la crítica de Minsky y Papert había identificado, permitiendo el eventual auge del aprendizaje profundo. La neurona artificial moderna utilizada en los transformers y en los grandes modelos de lenguaje es, en su núcleo, un descendiente directo del perceptrón original de Rosenblatt, y el Premio Frank Rosenblatt del IEEE reconoce contribuciones sobresalientes a la computación inspirada en la biología y la lingüística.