पर्सेप्ट्रॉन एक प्रारंभिक कृत्रिम न्यूरॉन मॉडल और रैखिक बाइनरी क्लासिफायर है, जिसे 1958 में मनोवैज्ञानिक फ्रैंक रोसेनब्लैट द्वारा पेश किया गया था, और इसे तंत्रिका नेटवर्क और कृत्रिम बुद्धिमत्ता में कनेक्शनिस्ट परंपरा के मूलभूत निर्माण खंडों में से एक माना जाता है। यह अपने इनपुट का भारित योग निकालता है, एक बायस पद जोड़ता है, और परिणाम को एक स्टेप फ़ंक्शन के माध्यम से पारित करके दो वर्गों में से एक को आउटपुट करता है।
तंत्र
रोसेनब्लैट का पर्सेप्ट्रॉन संख्यात्मक इनपुट का एक वेक्टर लेता है, प्रत्येक को एक समायोज्य भार से गुणा करता है, परिणामों का योग करता है, और बाइनरी आउटपुट उत्पन्न करने के लिए कुल की तुलना एक सीमा से करता है। भार को एक सरल पर्यवेक्षित शिक्षण नियम, पर्सेप्ट्रॉन शिक्षण एल्गोरिथ्म के माध्यम से समायोजित किया जाता है, जो लेबल किए गए प्रशिक्षण उदाहरणों पर वर्गीकरण त्रुटि को कम करने की दिशा में भार को प्रेरित करता है। पर्सेप्ट्रॉन अभिसरण प्रमेय गारंटी देता है कि यह प्रक्रिया सीमित चरणों में एक अलग करने वाला समाधान खोज लेगी, लेकिन केवल तभी जब प्रशिक्षण डेटा रैखिक रूप से वियोज्य हो, जिसका अर्थ है कि एक सीधी रेखा, या उच्च आयामों में हाइपरप्लेन, दो वर्गों को विभाजित कर सकती है।
1958 का अनावरण
रोसेनब्लैट ने अमेरिकी नौसेना अनुसंधान कार्यालय के वित्त पोषण के साथ कॉर्नेल एयरोनॉटिकल प्रयोगशाला में पर्सेप्ट्रॉन का निर्माण किया, और फोटोसेल के ग्रिड को दृश्य इनपुट के रूप में उपयोग करते हुए एक प्रारंभिक हार्डवेयर कार्यान्वयन, मार्क I पर्सेप्ट्रॉन का प्रदर्शन किया। उस समय की प्रेस कवरेज, जिसमें 1958 का न्यूयॉर्क टाइम्स लेख भी शामिल था, ने दावों का वर्णन किया कि यह मशीन अंततः "चलने, बात करने, देखने, लिखने, खुद को पुनरुत्पादित करने और अपने अस्तित्व के प्रति सचेत होने" में सक्षम होगी, जो एआई प्रचार का एक प्रारंभिक उदाहरण था, जिसने बाद में प्रौद्योगिकी की सीमाएं स्पष्ट होने पर निराशा में योगदान दिया।
मिन्स्की-पेपर्ट आलोचना
1969 में, मार्विन मिन्स्की और सीमोर पेपर्ट ने "पर्सेप्ट्रॉन्स" प्रकाशित किया, एक कठोर गणितीय विश्लेषण जो प्रदर्शित करता है कि एकल-परत पर्सेप्ट्रॉन उन समस्याओं को हल नहीं कर सकते जो रैखिक रूप से वियोज्य नहीं हैं, सबसे प्रसिद्ध XOR तार्किक फ़ंक्शन। हालांकि पुस्तक ने स्वीकार किया कि बहु-परत नेटवर्क सिद्धांत रूप में इस सीमा को दूर कर सकते हैं, इसे व्यापक रूप से, उचित या अनुचित रूप से, तंत्रिका नेटवर्क अनुसंधान के खिलाफ एक व्यापक मामले के रूप में व्याख्या किया गया था, और इसे अक्सर 1970 के दशक और उसके बाद के एआई शीतकाल तक चलने वाले वित्त पोषण और रुचि में तीव्र गिरावट में योगदान देने का श्रेय दिया जाता है।
विरासत और बहु-परत पर्सेप्ट्रॉन
न्यूरॉन-प्रेरित मॉडलों में रुचि 1980 के दशक में बैकप्रोपेगेशन के डेविड रुमेलहार्ट और सहयोगियों द्वारा लोकप्रियकरण के साथ पुनर्जीवित हुई, एक एल्गोरिथ्म जिसने बहु-परत पर्सेप्ट्रॉन को प्रशिक्षित करना व्यावहारिक बना दिया, जो इनपुट और आउटपुट के बीच एक या अधिक छिपी परतों वाले नेटवर्क हैं, जो गैर-रैखिक निर्णय सीमाओं का प्रतिनिधित्व कर सकते हैं और मिन्स्की और पेपर्ट द्वारा पहचानी गई सटीक सीमा को दूर कर सकते हैं। बहु-परत पर्सेप्ट्रॉन आर्किटेक्चर आधुनिक गहन शिक्षण प्रणालियों का एक बुनियादी निर्माण खंड बना हुआ है, और रोसेनब्लैट का मूल एकल-परत मॉडल अब मुख्य रूप से ग्रेडिएंट डिसेंट-आधारित शिक्षण और मशीन लर्निंग के व्यापक विकास को समझने के लिए एक ऐतिहासिक और शैक्षणिक प्रारंभिक बिंदु के रूप में पढ़ाया जाता है।