A行业级
Rosenblatt 提出感知机
线性分类器可以从样本中自动更新权重
已核验1可追溯来源
Frank Rosenblatt 提出感知机学习规则，并在 Cornell Aeronautical Laboratory 制作 Mark I 硬件，用样本训练二元图像分类。
发生了什么
输入经过可调权重求和，再由阈值函数给出类别。预测错误时，学习规则按样本方向修改权重；对线性可分数据，这个过程可以证明收敛。它无法表示 XOR 等非线性边界。
当时的行业背景
达特茅斯会议之后，研究者开始探索如何让机器从经验中学习。罗森布拉特受到生物神经元的启发，设计了一个简单的数学模型。
为什么重要
感知机把“学习”落实为根据误差更新参数的算法，并提供了可运行硬件。它的严格边界同样重要，后来多层网络与反向传播正是为跨过这些边界发展起来。
在它之前
AI 主要依赖手工编码的规则和符号推理。
在它之后
机器开始具备从数据中"学习"的能力。
影响
它改变了什么
对开发者
监督样本可以直接驱动参数更新，而不必手写全部分类规则。
对行业
神经网络获得第一轮集中研究和公共资金支持。
来源