Всех приветствую на моем канале🖐
Если вы хотите узнать, какая нейросеть стала прототипом сегодняшних Gpt или вы просто интересуетесь данной темой, то вам сюда👇
Представьте: 1958 год. В мире царят ламповые компьютеры размером с комнату, которые умеют лишь складывать числа по строгой программе. Идея «мышления» машины казалась фантастикой из бульварных романов. Но в этот год в Корнеллской аэролаборатории случилось тихое, но революционное событие.
Ученый по имени Фрэнк Розенблатт представил миру📢 🌏«перцептрон» — первую в мире
🧠искусственную нейронную сеть.
Это был не просто алгоритм. Это была философская бомба. Розенблатт не скромничал и заявлял прессе: «Электронный 🧠мозг, который умеет читать, думать и обучаться, будет создан в ближайшие годы». Журналисты вдохновились, население замерло в ожидании скорого появления искусственного интеллекта. Но что это было на самом деле?
Физически перцептрон Розенблатта, Mark I Perceptron, был громоздким аппаратом с 400 фотоэлементами, проводами и потенциометрами. Его задача была скромной по сегодняшним меркам: различать карточки, на которых были нарисованы квадрат слева и квадрат справа.
Принцип был гениально прост (как и всё гениальное):
1️⃣. Входы: Фотоэлементы получали изображение (как сетчатка глаза).
2️⃣ «Веса»: Каждой связи присваивался свой «вес» — число, означающее важность сигнала. Сначала — случайным образом.
3️⃣. Суммирование и решение: Все сигналы складывались. Если сумма превышала порог — перцептрон «говорил»: «Квадрат слева». Если нет — «Квадрат справа».
4️⃣Обучение (самое важное!): Если ответ был неверным, специальный оператор вручную корректировал веса по специальному алгоритму. В следующий раз ошибка была уже меньше.
Это и был ключевой прорыв — обучение на примерах, а не программирование правил вручную. Машина не знала, что такое «квадрат» или «левый». Она научилась распознавать шаблоны.
Ажиотаж в прессе породил завышенные ожидания. В 1969 году маститые учёные Марвин Мински и Сеймур Паперт выпустили книгу, где математически доказали: перцептрон не может решать принципиально важные классы задач. Например, он не способен распознать, связаны ли точки на плоскости (задача «исключающее ИЛИ»).
Этот вывод, помноженный на ограничения вычислительной мощности того времени, обрушил финансирование и интерес на десятилетия вперёд. Наступила первая «❄️зима искусственного интеллекта».
Казалось бы, неудачный эксперимент. Но нет. Значение перцептрона колоссально.
Он задал вектор: Розенблатт показал путь — обучение через данные. Все современные нейросети, от распознавания лиц в вашем телефоне до ChatGPT, следуют этому базовому принципу.
· Он был прав, но поторопился: Его идеи опередили технологии на 50 лет. Для сложных задач нужны были многослойные нейросети (глубокое обучение) и огромные вычислительные мощности, которых в 60-е просто не существовало.
Спустя десятилетия, когда появились суперкомпьютеры и большие данные, ученые вспомнили о перцептроне. Они взяли его идею, поставили много слоёв таких «перцептронов» друг на друга (создав глубокие нейронные сети), и... заработало! Именно эта архитектура сегодня и лежит в основе всего.
P.S от себя добавлю, что я даже и подумать не могла, что прототип первой нейросети был аж 68 лет назад, я еще тогда не родилась, а моя мама была совсем маленькой. ❗️Оказывается чтобы сделать прорыв нужно ждать как минимум 60 лет.❗️ Эту аналитику я провела для себя. Всем гениям на заметку👆
❤️Благодарю вас за прочтение ❤️
До новых встреч на моем канале🖐