Frank Rosenblatt: el genio olvidado que enseñó a las máquinas a “pensar” gracias al Perceptrón

Querido lector, ¿tenés ganas de que hagamos una serie de artículos biográficos contados a mi manera? Iniciemos una serie dominical sobre los jugadores clave en la historia de la inteligencia artificial y su impacto en el mundo. No es un repaso frío de fechas y teorías, sino una historia de mentes brillantes, fracasos, éxitos y grandes ideas que moldearon el presente. Hoy, arrancamos con Frank Rosenblatt y su Perceptrón, la primera máquina que intentó aprender sola... y la que terminó olvidada por décadas.

Era el otoño de 1958 en Ithaca, Nueva York, en plena Guerra Fría. La ciencia y la tecnología avanzaban a una velocidad vertiginosa: Estados Unidos y la Unión Soviética peleaban por llegar primero al espacio, mientras algunos loquitos soñaban con máquinas que pudieran pensar por sí mismas. Entre ellos estaba Frank Rosenblatt, un investigador con una visión audaz y una máquina que prometía revolucionar todo: el Perceptrón.

Aquel armatoste de cables y relés era la primera computadora diseñada para aprender de la experiencia. En un mundo donde las computadoras solo resolvían ecuaciones, Rosenblatt imaginó un futuro donde las máquinas pudieran identificar patrones y mejorar su desempeño con el tiempo. Pero la historia no siempre es amable con los pioneros, y lo que comenzó como un avance revolucionario, magnificado por los medios de aquellos años, terminó en el olvido por décadas.

Un visionario adelantado a su época

Frank Rosenblatt nació en Nueva York en el verano de 1928. Criado en un hogar donde la educación y la curiosidad intelectual eran valores fundamentales, desde joven mostró una fascinación por el aprendizaje humano y los patrones en la naturaleza. Estudió psicología en Cornell, pero su verdadera obsesión era entender cómo el cerebro procesa la información y cómo replicar ese mecanismo en una máquina.

Su enfoque interdisciplinario lo convirtió en un outsider en la comunidad científica. Mientras otros investigadores apostaban por la inteligencia artificial simbólica—basada en reglas y lógica matemática—, Rosenblatt insistía en que las máquinas podían aprender de manera más orgánica, como lo hace el cerebro humano. Así nació su proyecto estrella: el Perceptrón.

Fuente Cornell University: La primera página del artículo de Rosenblatt, “El diseño de un autómata inteligente”.

El Perceptrón: una máquina que aprendía sola

Para entender qué era el Perceptrón, revisemos cómo aprende un niño. Al principio, un bebé no sabe distinguir entre un gato y un perro. (Y tampoco saben avisarte que van a hacer popó, ¡guacala!) Pero tras ver suficientes ejemplos y recibir correcciones, empieza a notar patrones y clasifica correctamente. Ahora, traslademos esto a una máquina: en lugar de neuronas, tenemos nodos interconectados; en lugar de experiencias sensoriales, tenemos datos y ajustes matemáticos.

El Perceptrón funcionaba con un sistema de pesos asignados a sus conexiones. Aprendía ajustando esos pesos tras cometer errores, mejorando progresivamente su capacidad para reconocer patrones. En pruebas iniciales, logró identificar figuras geométricas simples con precisión sorprendente para la época. Era el primer sistema de aprendizaje automático de la historia o, más fashion, Machine Learning (ML).

Pero había un problema: la tecnología de los años 50 no estaba lista para la visión de Rosenblatt. La Mark I, la primera versión del Perceptrón, ocupaba una habitación entera, generaba calor excesivo y tenía una capacidad de cómputo limitada. Aunque su potencial era evidente, sus aplicaciones prácticas eran todavía inciertas.

Frank Rosenblatt, a menudo citado como el padre del aprendizaje automático, fotografiado en 1960 junto a su invento más notable: la máquina perceptora Mark I

De la euforia al desastre: el primer "boom" (y caída) de la IA

Cuando Rosenblatt presentó su creación en 1958, la prensa explotó de entusiasmo. El New York Times lo describió como "el primer cerebro artificial capaz de aprender". Time Magazine fue aún más lejos: "Las máquinas pronto podrán escribir novelas, componer sinfonías y hasta reproducirse". Las expectativas se dispararon y, con ellas, el financiamiento para investigaciones en redes neuronales. Incluso muchos artículos de la épocas hablaban de “máquinas inteligentes con su propia conciencia”... ¿Holaaaa? ¿Les suena parecido a lo que sucede hoy unos 65 años después?

Pero la exageración tiene un precio. En 1969, Marvin Minsky y Seymour Papert, investigadores del MIT, publicaron Perceptrons, un libro en el que demostraban matemáticamente que los modelos de Rosenblatt tenían serias limitaciones. Entre ellas, la incapacidad del Perceptrón para resolver problemas no lineales, como la función XOR.

¿Y qué miércoles es la función XOR? Para explicarlo sin meternos en matemáticas pesadas, pensemos en una lámpara con dos interruptores. Si apretás solo uno de los interruptores, la luz se enciende. Pero si le metés el dedito a los dos al mismo tiempo, la luz se apaga. En términos lógicos, XOR significa 'o uno o el otro, pero no ambos'.

El problema del Perceptrón era que solo podía entender reglas simples y no podía manejar este tipo de relaciones más complejas, lo que lo volvía inútil para muchas tareas más avanzadas.

El golpe fue brutal. Los fondos para la investigación en redes neuronales se desvanecieron, los científicos abandonaron el campo y comenzó el denominado "Invierno de la IA", un período de estancamiento que duró casi dos décadas. Rosenblatt pasó de ser una estrella en ascenso a un nombre olvidado en la historia de la computación.

Un Papu Gómez: los fulboleros me van a entender… de la gloria al barro en una parada. Así que me sentí obligado en este artículo a refrescar su figura y hacerle un merecido homenaje.

Una muerte prematura y un legado resucitado

En 1971, Frank Rosenblatt murió trágicamente ahogado en un accidente náutico en el lago Cayuga, con solo 43 años. ¡Shit dos años menos que yo, un pibe! Su muerte coincidió con el declive de su propia idea. Pero la historia tenía reservada una segunda oportunidad para su visión.

En los años 80 y 90, científicos como el ahora nobel y crítico de la IA Geoffrey Hinton retomaron las redes neuronales y resolvieron las limitaciones matemáticas que habían sepultado el Perceptrón. Con más poder computacional y nuevas técnicas como la retropropagación del error (Backpropagation), la idea de Rosenblatt resurgió y se convirtió en la base del aprendizaje profundo y los modelos actuales de inteligencia artificial.

O sea, Geoffrey le debés medio nobel a Frank, -entre otros- y eso es lo hermoso de la “Ley del Retorno Acelerado” aquella que postula que los avances en un campo científico aceleran los avances en otras ciencias. Un círculo virtuoso que hoy parece desatado como experto catador de Fernet en los carnavales de Simoca.

¿Te preguntarás por qué importa hoy el Perceptrón? Herramientas como ChatGPT, los descubrimientos de Google DeepMind o los sistemas de visión de los autopilot de los Tesla utilizan los principios que Rosenblatt descubrió.

Frank-amente un genio

La historia de Frank es un recordatorio de que la ciencia no avanza en línea recta. A veces, las ideas correctas llegan demasiado pronto o son sepultadas por la burocracia y el escepticismo. Su Perceptrón fue descartado antes de tiempo, pero su esencia se convirtió en la piedra angular de la revolución de la IA moderna.

Pero también nos enseña algo más: la importancia de cuestionar las narrativas dominantes. Hoy, muchos "gurús" de la IA venden promesas exageradas, igual que en los años 50. Nos dicen que las máquinas pronto serán conscientes, que reemplazarán a los humanos y que el fin del trabajo es inminente. Pero la realidad es que las computadoras siguen sin razonar por sí mismas; sólo procesan información a gran escala. Sí es verdad, simulando el razonamiento de una forma extrahumana y vitaminada.

Por eso, en la Era de la Humanidad Aumentada (EHA), prefiero hablar de Razonamiento Computacional en lugar de Inteligencia Artificial. Porque no se trata de que las máquinas sean inteligentes, sino de que los humanos las usemos de manera inteligente.

Frank Rosenblatt no buscaba reemplazar la mente humana, sino expandir sus capacidades. Y esa sigue siendo la verdadera revolución. Te invito a comentar si conocías la historia de Frank y si te gusta la idea de que vaya contando la historia de los padres de la IA desde Alan Toring a Elon Musk o Sam Altman. O a mujeres genias como Fei Fei Li, quedate con la duda de quién es ella porque seguramente podré contártela otro domingo.

¡Por eso les digo a mis queridos Chichipíos: Vermouth con papas fritas y Good Show!

Fuentes y enlaces para ampliar conocimientos:

• Biografía y legado de Frank Rosenblatt (Cornell University)

• Historia del Perceptrón y su impacto en IA (IEEE Spectrum)

• Libro original Perceptrons de Marvin Minsky y Seymour Papert (MIT Press)

• Historia del Invierno de la IA (BBC Future)

• Perfil de Geoffrey Hinton, pionero del aprendizaje profundo (University of Toronto)

• Investigaciones de Google DeepMind sobre redes neuronales

• Página oficial de Tesla y su uso de inteligencia artificial

Por Federico Lix Klett

Fundador de FALK AI, FALK Impellers y FALK Advertising Matters.

Es pensador, hacedor, comunicador, formador e impulsor de innovación y transformación en las organizaciones.

Lee la nota en La Gaceta haciendo clic aquí