En 1957–1958, Frank Rosenblatt, en el Cornell Aeronautical Laboratory, desarrolló el Perceptrón Mark I: una red de una capa que ajustaba pesos para clasificar patrones, implementada en hardware con fotocélulas.
La prensa prometió máquinas que hablarían y caminarían. El algoritmo de aprendizaje del perceptrón, con garantías para clases linealmente separables (teorema de convergencia), fue un hito teórico y práctico.
El entusiasmo chocó luego con límites de expresividad documentados por Minsky y Papert. Aun así, el Perceptrón fijó el patrón del aprendizaje supervisado por ejemplos que domina el deep learning contemporáneo.
