Marine laat een machine zien die leert van voorbeelden

WASHINGTON, JULI 1958 - Het Amerikaanse Office of Naval Research, het onderzoeksbureau van de marine, heeft een computer laten zien die iets doet wat computers tot nu toe niet deden: leren van voorbeelden. De machine, door ontwerper Frank Rosenblatt het perceptron genoemd, leerde na 50 pogingen kaarten met een markering aan de linkerkant te onderscheiden van kaarten met een markering rechts. Niemand had hem die regel verteld.

Hoe een computer normaal werkt

Een gewone computer doet wat een programmeur heeft opgeschreven, stap voor stap. Wil je dat hij links van rechts onderscheidt, dan schrijf je zelf de regel op. Rosenblatt, psycholoog en ingenieur aan Cornell, wil iets anders: een machine die de regel uit voorbeelden afleidt, zoals een kind dat leert wat een kat is door er veel te zien.

Een kunstmatige zenuwcel

Zijn bouwsteen is een sterk vereenvoudigde zenuwcel. De cel krijgt signalen binnen, afkomstig van een soort kunstmatig oog: een raster van lichtgevoelige punten dat kijkt naar wat er op de kaart staat. Elk binnenkomend signaal heeft een gewicht, een getal dat aangeeft hoe zwaar het meetelt. De cel telt alle gewogen signalen bij elkaar op. Is de som groot genoeg, dan geeft hij het ene antwoord, anders het andere.

Het leren zit in de gewichten. Aan het begin zijn ze willekeurig, dus de machine antwoordt op de gok. Na elk antwoord wordt het vergeleken met het goede antwoord. Klopt het, dan verandert er niets. Is het fout, dan worden de gewichten een beetje bijgesteld, zodat dezelfde kaart de volgende keer meer kans heeft op het goede antwoord. Als voorbeeld van het idee: punten die bij kaarten met een markering links vaak oplichten, gaan zo steeds zwaarder meetellen voor het antwoord 'links'. In het echte ontwerp zit nog een tussenlaag met vaste, willekeurige koppelingen tussen het kunstmatige oog en de cellen waarvan de gewichten veranderen, maar het leerprincipe is hetzelfde.

De demonstratie werd gedaan met een programma op een IBM 704, een grote computer die de machine nabootst. In de jaren erna bouwt Rosenblatts team een eigen machine met 400 lichtgevoelige cellen als ogen, regelbare weerstanden als gewichten en elektromotortjes die de gewichten verdraaien.

Veel beloften

Kranten zijn enthousiast. De New York Times schreef over de 'embryo' van een elektronische computer, en Rosenblatt zelf noemt zijn machine volgens Cornell de eerste die een eigen idee kan hebben. Sceptici vragen zich af hoe ver dit gaat, want de machine doet nog maar één klein ding.

Teruggeblikt vanuit 2026

In 1969 lieten Marvin Minsky en Seymour Papert in een boek zien dat een perceptron van één laag sommige eenvoudige regels niet kan leren, zoals 'het ene of het andere, maar niet allebei'. Het geld voor dit onderzoek droogde grotendeels op. De schrijvers zeiden daarbij niet dat dit ook voor netwerken met meer lagen geldt. In de jaren tachtig kwamen die opnieuw in beeld. Rosenblatt overleed in 1971 bij een zeilongeluk.

Cornell-hoogleraar Thorsten Joachims zegt dat Rosenblatts algoritme nog steeds fundamenteel is voor het trainen van diepe netwerken. Elk groot AI-model van nu is een veel grotere versie van dit idee: veel kleine rekeneenheden met gewichten, die worden bijgesteld aan de hand van voorbeelden.