¿Una máquina capaz de aprender sola en 1958? Suena a ciencia ficción, pero ocurrió. En julio de ese año, la Oficina de Investigación Naval de Estados Unidos presentó en Washington el perceptrón, un invento del psicólogo Frank Rosenblatt. La prensa se emocionó tanto que llegó a anunciar una computadora que algún día podría caminar, hablar y ser consciente de sí misma. La realidad era más modesta, pero también más importante de lo que parecía.
Una tarjeta, un punto y 50 intentos
Rosenblatt trabajaba en el Laboratorio Aeronáutico de Cornell, en Buffalo (Nueva York). Para la demostración usó una IBM 704, una computadora de unas 5 toneladas que ocupaba una habitación entera. Le mostraron tarjetas perforadas con una marca a la izquierda o a la derecha y, cada vez, le indicaban si había acertado.
Según relata la Universidad de Cornell, tras 50 intentos la máquina aprendió por su cuenta a distinguir un lado del otro. Nadie le escribió la regla: la descubrió ajustando sus propios valores internos con cada error. Esa es, en esencia, la idea que hoy llamamos aprendizaje automático.
Cuando la prensa soñó en grande
El titular del New York Times fue llamativo: un nuevo dispositivo de la Marina que “aprende haciendo”, presentado como el embrión de una computadora diseñada para leer y volverse más sabia. El diario añadió que se esperaba que algún día pudiera caminar, hablar, ver, escribir, reproducirse y ser consciente de su existencia. La revista The New Yorker fue más lejos y lo describió como el primer rival serio del cerebro humano.
El propio Rosenblatt alimentó el entusiasmo: llegó a decir que era la primera máquina capaz de tener una idea original. Aquellas promesas generaron polémica entre otros investigadores, que veían exageración en el anuncio.
El Mark I: 400 “ojos” y cables por todas partes
Después llegó la versión física, el Mark I Perceptron, construido en 1959 y presentado al público en 1960. Tenía una “retina” de 400 fotocélulas dispuestas en una cuadrícula de 20 × 20, conectadas al azar con 512 unidades intermedias. Los “pesos” que la máquina ajustaba al aprender se guardaban en potenciómetros que giraban con motores eléctricos. Hoy forma parte de las colecciones de la Institución Smithsonian.
Del olvido a la revancha
En 1969, Marvin Minsky y Seymour Papert publicaron el libro Perceptrons, que mostraba límites serios de las redes de una sola capa, como su incapacidad para aprender la función lógica XOR. El interés y la financiación cayeron en picada y las redes neuronales quedaron en segundo plano durante más de una década. Rosenblatt no vio el regreso: murió en 1971 en un accidente de navegación en la bahía de Chesapeake, según Cornell, el día en que cumplía 43 años.
La historia le dio la razón tarde. En los años ochenta las redes neuronales resurgieron con más capas, y la idea de aprender ajustando pesos es la base de los modelos actuales. Un profesor de Cornell lo resumió así: su algoritmo sigue siendo fundamental para entrenar las redes profundas de hoy.
El sorbo de hoy
Cada vez que usas ChatGPT hay, muy en el fondo, un pariente lejano de aquella máquina que aprendió a distinguir izquierda de derecha. La lección doble: las buenas ideas a veces llegan antes que la tecnología para hacerlas brillar, y los anuncios exagerados suelen pasar factura. Para seguir el hilo, lee cómo nació el nombre de la inteligencia artificial en 1956 o visita nuestra página de recursos.
Fuentes
- Cornell Chronicle: Professor’s perceptron paved the way for AI – 60 years too soon
- Wikipedia: Perceptron
- Guinness World Records: First artificial neural network
