Rosenblatt perceptronja mennyire volt hatékony a tanulásban?

Alapvetően az algoritmus érdekes, nem annyira az elektronikai megvalósítás, még ha Rosenblatt ezt annak idején nem is így gondolta. Az gép maga amúgy így nézett ki: [link]

És ez egy rettentő kicsi, 20x20-as képeket feldolgozó, azaz mindössze 400 perceptronból álló hálózat.

És hatékony sem volt. Csak néhány mintázat-fajtát tudott megtanulni, és azt se túl robosztusan. A neurális hálózatok csak később, a belső rétegek bevezetésével nyertek értelmet, ami egyébként sokkal jobban is hasonlít az idegsejtek valódi összeköttetési struktúrájára.

Rosenblatt ugye egy réteget használt, és azon belül mindenkit mindenkivel összekötött, ami rettenetesen pazarló, és csak kisszámú bemenetre használható, mivel az összeköttetések száma a bemenetek négyzetes függvénye. Egy többrétegű neurális hálóval, amelynek belső rétegei jóval kisebbek, mint a bemenetek száma, ugyanannyi összeköttetésből sokkal több bemenetet lehet felhasználni, és a hálózat viselkedése is összehasonlíthatatlanul rugalmasabb.

Rosenblatt ötlete ettől persze még zseniális volt.

Ezek az egyszerű skalárszorzatok annyira gyorsak sima processzorokon, hogy nincs értelme valag pénzért ilyen speciális chipeket tervezni és gyártani. Tudtommal senki nem is csinál ilyet, pedig neurális hálózatokat rengeteg helyen használnak.

Régebben volt valami magyar vonatkozású próbálkozás CNN (cellular neural network)-csipekkel, de tudtommal nagy blamázs lett az egész. Még folytonos idejű hálózatokat is egyszerűbb modern processzorokon szimulálni, nemhogy klasszikus neurális hálókat.