En 1969, Marvin Minsky y Seymour Papert publicaron Perceptrons, un análisis matemático que subrayaba lo que las redes de una sola capa no pueden representar —el ejemplo clásico es XOR— y cuestionaba la escalabilidad del enfoque.
El impacto cultural fue enorme: fondos y atención se desplazaron hacia la IA simbólica. Historiadores matizan que el libro no “mató” las redes multicapa, pero sí enfrió el clima inversor y académico en torno al conexionismo.
La rehabilitación llegó en los 80 con backpropagation y, de forma decisiva, tras 2012. Leer Perceptrons hoy es ver cómo un resultado técnico puede reordenar toda una agenda de investigación.
