La scheda perforata che cambiò tutto
Luglio 1958. In una stanza del Weather Bureau di Washington, un calcolatore IBM 704 — 5 tonnellate di valvole e cavi — viene alimentato con una serie di schede perforate. Su ogni scheda, un punto nero posizionato a destra o a sinistra. Nessuna istruzione su come distinguerli. Solo esempi.
Dopo 50 tentativi, la macchina impara. Inizia a rispondere correttamente, anche davanti a schede che non ha mai visto. È la prima volta nella storia che un computer apprende dall'esperienza anziché seguire istruzioni esplicite.
L'artefice è Frank Rosenblatt, psicologo e ingegnere alla Cornell University. La sua creazione si chiama Perceptron — e il principio è disarmante nella sua semplicità: ogni input ha un peso, i pesi si aggiornano in base agli errori, e col tempo il sistema converge verso la risposta giusta. Un singolo neurone artificiale che impara.
Il New York Times lo definì "il primo dispositivo capace di avere un'idea originale". Rosenblatt immaginava perceptron che leggessero, traducessero, pilotassero astronavi. L'entusiasmo era enorme — forse troppo. Le critiche di Minsky e Papert nel 1969 dimostrarono i limiti del perceptron a singolo strato, e il finanziamento si prosciugò. Iniziò il cosiddetto "inverno dell'AI".
Rosenblatt morì nel 1971, a soli 43 anni, senza vedere la rivincita della sua intuizione. Ma i principi del perceptron — pesi, apprendimento, generalizzazione — sono il DNA di ogni rete neurale moderna. Quando oggi parli con ChatGPT o Claude, stai interagendo con miliardi di discendenti di quel singolo neurone nato da una scheda perforata.
Quello che stai usando qui sopra è esattamente l'esperimento originale: clicca su un lato, lascia che la macchina provi a indovinare, e correggila quando sbaglia. Stai facendo ciò che Rosenblatt fece 68 anni fa — solo che il tuo IBM 704 pesa un po' meno di 5 tonnellate.