感知机：神经网络的第一道曙光

1957年，心理学家弗兰克·罗森布拉特在美国康奈尔航空实验室发明了感知机（Perceptron）。它是第一个能通过调整权重”学习”的人工神经元模型——输入数据，错了就调整，直到能正确分类。罗森布拉特甚至用硬件实现了一台感知机计算机 Mark I，可以识别简单图像。《纽约时报》当时头条报道：这是一台”能走路、说话、看、写、自我繁殖的机器的胚胎”。

【为什么重要？】
感知机证明了机器可以从数据中自动学习，而不需要人类手动编写每一条规则，开创了”连接主义”这条路线的先河。

【逻辑闭环】
解决了什么：提供了第一个数据驱动的学习机制，是”机器学习”概念的雏形。局限是什么：1969年明斯基和帕波特在《感知机》一书中数学证明，单层感知机无法解决线性不可分问题（如异或XOR），这一打击几乎终结了神经网络研究长达十五年。这一局限反而推动了多层网络和反向传播的研究——绕路往往比直路更深。