感知机（Perceptron）
最简的单层判别模型：每个输入配一个权重，乘加后过阈值输出「是 / 否」，学习规则按错例微调权重；1958 年的新意不在算法复杂，而在判断依据的来源换成了数据。
生产方式：AI 生成AI 生成，仅供参考签发：晓黎学习复核：2026年11月1日被 4 个词条引用
感知机的形状只有一层：每个输入配一个权重，把输入乘上权重再相加，结果过了阈值就输出「是」，没过就输出「否」；它的学习规则是出了错例就把权重往正确方向挪一点。
这件事在 1958 年之所以新，不在算法复杂，在于判断依据的来源换了：此前做识别是人把「什么样的算一类」翻译成显式规则，感知机把这件事交给了数据。
课程同时提醒：「1958 年感知机第一次让机器学会」是被列为待质询的优先权加因果叙事；单层的局限（线性不可分那类问题）与随后第一波寒冬，同样是这段历史的一格。
相关
神经网络（Neural Network） 反向传播（Backpropagation） 深度学习（Deep Learning）
互链
链接来自概念卡正文里的双链，编译时能解到本期词条集的才成为站内链接。
反链（4）
出现在哪些课时里（3）
判据与「课时正文里能不能点出来」是同一个：那一节确实提到了它。点课时走当前页跳转， 它是导航，不是词条链接。
- 感知机的承诺：让数据来改判断依据深度学习是怎么来的：机制、竞争与未定论
- 寒冬是三本账同时变差深度学习是怎么来的：机制、竞争与未定论
- 仍在争议的历史：怎么对一条叙事提问深度学习是怎么来的：机制、竞争与未定论
关联图
只画这一条与它直接相连的词条，边与上面两区同源。可拖拽、可缩放，点节点是新标签。
以列表方式看这 5 个节点
出处
路径是本地知识库（Obsidian 库）里的位置，正文与概念卡逐字对应。
- 课程正文用法归纳感知机的承诺：让数据来改判断依据
packages/db/prisma/lesson-content/perceptron-promise.md - 课程正文用法归纳反向传播不是 1986 年发明的
packages/db/prisma/lesson-content/backprop-not-invented-1986.md - 课程正文用法归纳仍在争议的历史：怎么对一条叙事提问
packages/db/prisma/lesson-content/history-still-contested.md - 课程正文用法归纳课程派生词条 · 模型与生成式 AI 基础
编译入库：2026年11月2日。词条由知识库编译而来， 修正要回到概念卡改，再重新编译。