Das Perzeptron (1958) ist das einfachste künstliche Neuron: Es gewichtet seine Eingaben, summiert sie und gibt je nach Schwelle 0 oder 1 aus — der historische Urbaustein neuronaler Netze.
Ein Perzeptron bekommt mehrere Zahlen als Eingabe. Jede wird mit einem Gewicht multipliziert, alle Produkte werden addiert. Liegt die Summe über einer Schwelle, gibt es 1 aus, sonst 0 — eine einfache Ja/Nein-Entscheidung.
Frank Rosenblatt stellte es 1958 vor; es war eines der ersten lernfähigen Modelle überhaupt. Damit ließ sich erstmals ein Neuron trainieren, statt es fest zu verdrahten.
Ein einzelnes Perzeptron kann nur linear trennbare Probleme lösen. Das klassische Gegenbeispiel ist XOR (das exklusive Oder), das es nicht lernen kann. Diese Erkenntnis (Minsky und Papert, 1969) bremste die Forschung für Jahre.
Erst das Stapeln vieler Perzeptronen zu mehrschichtigen Netzen — zusammen mit der Backpropagation — überwand die Grenze. Der Baustein selbst blieb: Aus ihm sind neuronale Netze zusammengesetzt.
Hallo! Ich bin dein KI-Tutor.
Melde dich an, um mit mir zu chatten — ich erinnere mich dann auch an eure letzten Gespräche.
