En 1958 Frank Rosenblatt, en el Cornell Aeronautical Laboratory, publica 'The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain' e implementa el Mark I Perceptron: la primera red neuronal capaz de aprender de ejemplos. El hito conceptual no es modelar la neurona —McCulloch y Pitts lo habían hecho en 1943— sino que el sistema ajusta automáticamente sus pesos mediante una regla de aprendizaje supervisado: si clasifica mal un ejemplo, corrige sus conexiones proporcionalmente al error. Es el nacimiento del aprendizaje automático como práctica. El perceptrón puede aprender a clasificar patrones linealmente separables —distinguir letras, formas, categorías— sin que el programador especifique las reglas. Rosenblatt genera un entusiasmo enorme en la prensa y la comunidad científica, con predicciones de máquinas que pronto superarían al cerebro humano. Ese optimismo se verá truncado en 1969 cuando Minsky y Papert demuestren matemáticamente que el perceptrón de una sola capa no puede resolver problemas no linealmente separables, desencadenando el primer invierno de la IA.