ArtikelWikipedia-AutorenSammlung
Rosenblatts theoretische und praktische Arbeiten legten bereits in den 1950er- und 1960er-Jahren das Fundament für moderne Architekturen des maschinellen Lernens und künstlicher neuronaler Netze.
Der Text dokumentiert die historische Entwicklung der frühen KI-Forschung. Während Rosenblatt die prinzipielle Leistungsfähigkeit elementarer Perzeptronen nachwies, bremste das Werk von Minsky und Papert das Feld vorübergehend aus, da deren Einschränkungsbeweise oft fälschlicherweise verallgemeinert wurden. Erst in den 1980er-Jahren erlebten Rosenblatts Ansätze eine Renaissance in der Mainstream-Forschung.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Melanie Lefkowitz
Ein Rückblick der Cornell University beleuchtet das Leben und Werk von Frank Rosenblatt, der 1958 mit dem Perzeptron das erste künstliche neuronale Netzwerk vorstellte. Trotz heftiger Kritik seiner Zeitgenossen und des darauffolgenden KI-Winters bilden seine Algorithmen das Fundament moderner Deep-Learning-Systeme.
Artikel:Wikipedia-Autoren
Der Wikipedia-Artikel beschreibt das Perzeptron, einen Algorithmus für das überwachte Lernen linearer binärer Klassifikatoren, von Frank Rosenblatts Hardware-Entwicklung bis hin zu den mathematischen Grenzen des Modells.
Artikel:Marvin Minsky, Seymour Papert
Das 1969 veröffentlichte Buch „Perceptrons“ von Marvin Minsky und Seymour Papert analysierte mathematisch die Grenzen einfacher neuronaler Netze. Es gilt historisch als Auslöser für die Abkehr vom Konnektionismus hin zur symbolischen KI und den anschließenden KI-Winter der 1980er-Jahre.
Artikel:Warren Sturgis McCulloch and Walter Pitts
Das historische Papier von Warren Sturgis McCulloch und Walter Pitts aus dem Jahr 1943 begründete das Konzept künstlicher neuronaler Netze. Es beschreibt das Nervensystem als ein Netzwerk einfacher logischer Elemente, die Eingaben summieren und ab einem Schwellenwert ein Signal ausgeben. Die Autoren zeigten die Äquivalenz dieser Netze zu logischen Aussagen und zu Turing-Maschinen auf.
Artikel:David E. Rumelhart, Geoffrey E. Hinton & Ronald J. Williams
Die Forschungsarbeit von David E. Rumelhart, Geoffrey E. Hinton und Ronald J. Williams stellt das Backpropagation-Verfahren für neuronale Netze vor. Der Algorithmus passt Verbindungsgewichte schrittweise an, um Abweichungen zwischen Soll- und Ist-Ausgaben zu minimieren.
Link:J. McCarthy, M. L. Minsky, N. Rochester, C. E. Shannon
Im August 1955 formulierten John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon den Förderantrag für ein zweimonatiges Forschungsprojekt am Dartmouth College im Sommer 1956. Das Dokument gilt als Geburtsstunde des Begriffs 'Artificial Intelligence' und skizziert die methodischen Grundannahmen, wie Maschinen Sprache erlernen, Abstraktionen bilden und neuronale Netze simulieren können.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
