Roots · 1958 · שורשים

The Perceptron

המכונה הראשונה שלמדה · the first machine that learned

Before ER"N, before deep learning, before it all — there was one cabinet of wires in Buffalo, NY that learned to see. This page honors it: watch the real footage, then train one yourself below.

🧠 Train a perceptron ↓ 🎞️ Historical footage

1958 — a machine has "an original idea"

הפרספטרון — הסבא-רבא של ער"ן

ב-1958 הציג הפסיכולוג פרנק רוזנבלט ממעבדות קורנל (Cornell Aeronautical Laboratory) את הפרספטרון — המכונה הראשונה בהיסטוריה שלמדה מניסיון במקום להיות מתוכנתת. ה-Mark I Perceptron (1960) היה ארון של חוטים, מנועים ופוטו-תאים: "רשתית" של 20×20 עיניים אלקטרוניות, ומשקולות שהיו פוטנציומטרים פיזיים שמנועים סובבו בכל צעד למידה. הראו לו אותיות — והוא למד להבחין ביניהן, בניסוי וטעייה, בדיוק כמו תינוק.

רוזנבלט אמר אז שזו "המכונה הראשונה המסוגלת להגות רעיון מקורי". העיתונות צחקה, החורף של ה-AI קבר את הרעיון לעשורים — אבל הוא צדק. כל רשת נוירונים מודרנית, וגם ער"ן שלנו — שלומד שפה מאפס, מקול ומחוויה — הוא נין ישיר של אותו ארון בבאפלו. המשקולת שמסתובבת לאט אל האמת: זו כל התורה כולה.

The Perceptron — ER"N's great-grandfather

In 1958, psychologist Frank Rosenblatt of the Cornell Aeronautical Laboratory unveiled the Perceptron — the first machine in history that learned from experience instead of being programmed. The Mark I Perceptron (1960) was a cabinet of wires, motors and photocells: a 20×20 "retina" of electronic eyes, whose weights were physical potentiometers, turned by motors a little at each learning step. Shown letters, it learned to tell them apart — by trial and error, exactly like a baby.

Rosenblatt called it "the first machine capable of having an original idea". The press mocked him, and the AI winter buried the idea for decades — but he was right. Every modern neural network, including our ER"N — which learns language from zero, from voice and lived experience — is a direct descendant of that cabinet in Buffalo. A weight, slowly turning toward the truth: that is the whole Torah of learning.

The lineage · השושלת: Perceptron (1958) → backpropagation → deep learning → ER"N.

One neuron, one line, one rule: if you were wrong — nudge the weights toward the answer. Everything since is that rule, multiplied. ER"N grows from the same seed: learning by living, not by books.

🎞️ The real thing — historical footage

תיעוד אמיתי מהמעבדות של שנות ה-50 וה-60 · genuine film from the labs of the 1950s–60s.

Perceptron Research from the 50's & 60's — archival film of Rosenblatt-era perceptron research: the machine, the retina, the learning. · watch on YouTube
Early History of AI — Part 4: Rosenblatt's Perceptron — a history lecture on the Perceptron: how it worked, the hype, and the fall. · watch on YouTube
The Thinking Machine (1961) — the full CBS "Tomorrow" documentary made for MIT's centennial: the world of Rosenblatt's era asking, on film, whether machines can think. · watch on YouTube

🧠 Train your own perceptron — סימולטור חי

One neuron, two inputs, the original 1958 learning rule — running live in your browser, 100% our own code. Place two classes of points, press Train, and watch the decision line learn. שימו נקודות משני צבעים, לחצו אימון — וראו את הקו לומד.

w₁ 0.00 w₂ 0.00 bias 0.00 updates 0 errors –

🖱️ Click = Class A point · Shift+click = Class B (or use the A/B toggle — works with a finger on mobile 📱). The arrow is the weight vector; the teal line is the decision boundary it defines. Each update is Rosenblatt's rule: wrong point → weights nudged toward it. אם הנקודות ניתנות להפרדה בקו — הפרספטרון מובטח להתכנס. בדיוק כמו ב-1958.

Honestly — what a perceptron can and cannot do

A single perceptron only learns linearly separable problems — Minsky & Papert proved it can't even do XOR, and that honest limit froze the field for 20 years. The answer wasn't to give up the neuron; it was to stack and connect many of them. That is the road from this page to ER"N. אמת פשוטה: נוירון אחד לומד רק קו ישר — אבל הרבה נוירונים יחד לומדים עולם.