Марк-1

Mark-1 (перцетрон) був новаторською системою навчання класифікації зображень під наглядом, розробленою Френком Розенблатом у 1958 році. Це була перша реалізація машини штучного інтелекту (ШІ). Вона відрізнялася від персептрона, комп'ютерної моделі сприйняття інформації, запропонованою в 1943 році Ворреном Маккалохом і Уолтером Піттсом, тим, що використовувала Mark-1, і в подальшому продовжила вдосконалення технології штучного інтелекту, такі як, наприклад, трансформер.

Перцептрон Mark-1 був організований з трьох шарів:

• Набір сенсорних одиниць, які отримують оптичний вхід;
• Набір асоціативних одиниць, кожна з яких спрацьовує на основі вхідних даних від кількох сенсорних одиниць;
• Набір блоків реагування, які працюють на основі вводу з декількох підрозділів асоціації.

Зв'язок між сенсорними одиницями та одиницями асоціації був випадковим. Робота підрозділів асоціації була дуже схожа на групи реагування. Різні версії Mark-1 використовували різні номери одиниць у кожному з шарів.

У своїй пропозиції 1957 року про фінансування розвитку «Корнелського фотоперехоптрону» Розенблатт писав:

   «Очікується, що такі пристрої в кінцевому підсумку будуть здатні до формування концепції, мовного перекладу, зіставлення військової розвідки та вирішення проблем за допомогою індуктивної логіки».

З першою версією перцептрону Mark-1 ще в 1958 році Розенблатт продемонстрував простий бінарний експеримент з класифікації, а саме розпізнавання аркушів паперу, які позначені з правого боку, порівняно з тими, що позначені з лівого боку.

Один з пізніших експериментів дозволяв відрізняти квадрат від кола, надрукованого на папері. Форми були ідеальними, а їх розміри фіксованими; єдиними варіаціями були їх положення та орієнтація. Перцептрон Mark-1 досяг точності 99,8% на тестовому наборі даних з 500 нейронами в одному шарі. Розмір навчального набору даних становив 10,000 прикладів зображень. Більш висока точність спостерігалася з товстішими показниками контурів у порівнянні з жирнішими цифрами, ймовірно, тому, що показники контурів зменшували перенавантаження.

Ще один експеримент дозволяв розрізняти квадрат і ромб, для якого було досягнуто 100% точності лише з 60 тренувальними зображеннями, причому перцептрон мав 1000 нейронів в одному шарі. Час, необхідний для обробки кожного тренувального входу становив 15 секунд. Єдина варіація полягала в положенні зображення, оскільки обертання було б неоднозначним.

У тому ж експерименті розрізнялися літери X і E з 100% точністю при навчанні лише з 20 зображеннями (10 зображень кожної літери). Варіації на зображеннях включали як положення, так і обертання на кут до 30 градусів. Коли обертання було збільшене до будь-якого кута (як у тренувальних, так і в тестових наборах даних), то точність знижувалася до 90% з 60 тренувальними зображеннями (30 зображень кожної літери).

Для розпізнавання літер E і F, виникала більш складна проблема через їх схожість, тій ж 1000 нейронів персептрон досяг точності більш ніж 80% з 60 тренувальних зображень. Варіація була лише в положенні зображення, без обертання.