感知机是一种用于二分类器监督学习的算法，由弗兰克·罗森布拉特于1958年提出。它是一种线性分类器，基于线性预测函数，将一组权重与特征向量相结合来进行预测。感知机成为第一个获得广泛关注的神经网络模型，尽管其早期存在局限性，但为现代机器学习和深度学习奠定了基础。
起源与早期发展
人工神经元的概念可追溯至1943年，当时沃伦·麦卡洛克和沃尔特·皮茨发表了《神经活动中内在思想的逻辑演算》。1957年，弗兰克·罗森布拉特在康奈尔航空实验室，在IBM 704上模拟了感知机。他更关注硬件实现，并从美国海军研究办公室信息系统部门和罗马空军发展中心获得资金，以构建一台定制的模拟计算机，即Mark I感知机。罗森布拉特在1958年的一篇论文中描述了感知机，将其组织为三种类型的单元：感觉单元（S）、关联单元（A）和响应单元（R）。他于1958年11月在首届人工智能国际研讨会“思维过程的机械化”上展示了他的工作。
Mark I感知机机器
Mark I感知机于1959年6月至12月间建造，并于1960年6月23日公开展示。它有三层：一个由400个光电管组成的20x20网格阵列（S单元），一个由512个关联单元组成的隐藏层（A单元），以及一个由八个响应单元组成的输出层（R单元）。罗森布拉特称之为alpha感知机。S单元通过插板随机连接到A单元，以避免有意偏差，这反映了罗森布拉特认为视网膜随机连接到视觉皮层的信念。A到R的连接具有可调整的权重，这些权重以电位计编码，并在学习过程中由电动马达更新。该机器现藏于史密森尼美国国家历史博物馆。
在1958年由美国海军组织的新闻发布会上，罗森布拉特做出了大胆的声明，导致《纽约时报》将感知机描述为“一台电子计算机的胚胎，[海军]期望它将能够行走、交谈、看、写、自我复制并意识到自身的存在”。这在新兴的人工智能社区中引起了争议。从1960年到1964年，中央情报局的照片部门研究了Mark I，用于识别航空照片中具有军事意义的剪影目标。
《神经动力学原理》（1962年）
罗森布拉特在其1962年出版的著作《神经动力学原理》中详细描述了他对感知机变体的实验，该书基于1961年的一份报告。变体包括交叉耦合（同一层内的连接）、反向耦合（从后层到前层的连接）、具有可调整权重的四层感知机（最后两层）、用于序列数据的时间延迟单元以及音频分析。该机器于1967年根据政府转移协议被运往史密森尼学会。
局限性及1969年的批评
单层感知机只能学习线性可分的模式。对于具有阶跃激活函数的分类任务，单个节点创建一条分界线；更多节点创建更多分界线，但无法将它们组合成复杂的分类。第二层感知机或线性节点可以解决许多不可分的问题。1969年，马文·明斯基和西摩·帕佩特的著作《感知机》表明，单层感知机无法学习异或函数，这一结果常被误解为证明神经网络存在根本性局限。这导致了神经网络研究多年的停滞，直到人们认识到多层感知机（具有两层或更多层）提供了更强大的处理能力。
遗产与影响
感知机的引入标志着人工智能历史上的一个关键时刻，确立了神经网络范式。尽管早期遭遇挫折，感知机的原理支撑了现代深度学习架构，包括用于大型语言模型的Transformer模型。罗森布拉特的工作影响了后来在麻省理工学院计算机科学与人工智能实验室和斯坦福人工智能实验室等机构的发展，其遗产在当代人工智能研究和应用中持续存在。