弗兰克·罗森布拉特（1928-1971）是一位美国心理学家和计算机科学家，他发明了感知机，这是最早可训练的人工神经网络之一，也是现代深度学习架构的直接前身。
感知机
在康奈尔航空实验室工作期间，罗森布拉特于1958年构建了感知机，作为生物神经元的简化模型，能够通过根据错误调整加权连接来学习分类简单的视觉模式，这是如今监督学习核心训练程序的早期实例。它首先在IBM 704上以软件形式实现，后来作为专用硬件（称为Mark I感知机）构建，配备20×20的光电池网格充当视网膜，能够在反复接触标记示例后学会区分简单形状。
宣传与炒作
1958年美国海军新闻发布会及随后的《纽约时报》报道以预示机器能够“行走、说话、观看、书写、自我复制并意识到自身存在”的措辞描述感知机，所产生的期望远超单层架构所能实现的范围。罗森布拉特自己的技术主张更为审慎，但公众期望与感知机实际狭窄能力之间的差距，在其局限性被广泛理解后，促成了反弹。
明斯基-帕珀特批评
1969年，马文·明斯基和西摩·帕珀特出版了《感知机》，这是一项数学分析，证明像罗森布拉特那样的单层感知机无法计算逻辑异或（XOR）等函数，这些函数要求输出对输入组合呈非线性依赖。罗森布拉特已探索了原则上能克服此类限制的多层设计，但该书对更简单模型的严谨处理，加上资金减少，被广泛引用为第一次AI寒冬的促成因素之一，这是一个约十五年的时期，期间神经网络研究相对于符号AI方法失宠。
去世与遗产
罗森布拉特于1971年生日当天在一次划船事故中去世，未能见证神经网络研究的最终复兴。反向传播算法在1980年代中期由戴维·鲁梅尔哈特、杰弗里·辛顿和罗纳德·威廉姆斯推广，将罗森布拉特的基本架构扩展到多层，并解决了明斯基-帕珀特批评所指出的问题，从而促成了深度学习的最终崛起。现代Transformer架构的大型语言模型中使用的现代人工神经元，其核心是罗森布拉特原始感知机的直接后代，而IEEE的弗兰克·罗森布拉特奖则表彰对生物和语言启发计算领域的杰出贡献。