Perceptrons

Perceptrons: An Introduction to Computational Geometry ist das 1969 bei MIT Press erschienene Buch von Marvin Minsky und Seymour Papert, das mathematische Grenzen einlagiger neuronaler Netze bewies – und dem in der KI-Geschichtsschreibung eine Wirkung zugeschrieben wird, die neuere Forschung erheblich relativiert.

Kaum ein anderes Werk der KI-Geschichte trägt eine derart auseinanderklaffende Legende: weithin bekannt als Auslöser des ersten KI-Winters, tatsächlich aber von wenigen gelesen und in seiner Reichweite enger, als der Ruf suggeriert.

Zusammenfassung

Das Buch untersucht ausschließlich einlagige Perzeptrons – Rosenblatts ursprüngliches Modell – unter der Bedingung lokal begrenzter Eingabeverbindungen, und beweist mit Mitteln der Gruppentheorie und kombinatorischen Geometrie strukturelle Grenzen dieser eingeschränkten Klasse. Das bekannteste Ergebnis betrifft das Paritätsproblem, dessen einfachster Fall das XOR-Problem ist: Ein einlagiges Perzeptron mit lokal begrenzten Eingaben kann diese Funktion nicht berechnen, weil keine Hyperebene existiert, die die vier Eingabepunkte korrekt trennt – XOR ist nicht linear separierbar. Ein weiteres zentrales Resultat betrifft das Konnektivitätsproblem: Die Erkennung, ob ein Bild zusammenhängend ist, erfordert eine Komplexität, die mit der Quadratwurzel der Eingabegröße wächst.

Entscheidend für das Verständnis des Buches ist eine Einschränkung, die in der öffentlichen Rezeption oft verloren ging: Die Beweise gelten strikt für einlagige Netze mit lokal beschränkter Konnektivität – nicht für mehrlagige Netze allgemein. Rosenblatt selbst hatte die prinzipielle Leistungsfähigkeit unbeschränkter elementarer Perzeptrons bereits gezeigt; die beiden Ergebnisse widersprechen sich nicht, wurden in der öffentlichen Wahrnehmung aber häufig gleichgesetzt.

Rezeption zur Erscheinungszeit

Die zeitgenössische Fachwelt reagierte gemischt. Allen Newell nannte es “ein großartiges Buch”, Michael Arbib lobte es als “aufregendes neues Kapitel”. Kritischer äußerte sich H. D. Block: Die Autoren untersuchten eine stark eingeschränkte Klasse von Maschinen aus einer Rosenblatt fremden Perspektive, der Buchtitel sei irreführend, weil er den Eindruck erwecke, allgemein über Perzeptrons zu urteilen. Bernard Widrow, Miterfinder verwandter Lernregeln, kritisierte die zugrunde gelegte Definition als zu eng und die Beweise als weitgehend irrelevant, da sie ein Jahrzehnt nach Rosenblatts eigentlicher Arbeit erschienen.

Frank Rosenblatt selbst starb im Juli 1971, nur zwei Jahre nach Erscheinen des Buches, bei einem Bootsunfall – eine ausgedehnte publizistische Erwiderung blieb damit aus.

Die AI-Winter-These und ihre Revision

Die verbreitete Erzählung lautet: Das Buch habe gezeigt, dass Perzeptrons fundamental begrenzt seien, worauf Fördermittel für neuronale Netze in den 1970er-Jahren versiegten, bis Backpropagation und die Konnektionismus-Bewegung der 1980er das Feld wiederbelebten.

Die wissenschaftshistorische Forschung relativiert diese einfache Kausalkette erheblich. Olazaran 1996 untersucht die Kontroverse soziologisch und zeigt, wie unterschiedliche Forschungsgemeinschaften – symbolische KI und Konnektionismus – das Buch nachträglich unterschiedlich instrumentalisierten, um konkurrierende Forschungsprogramme zu legitimieren oder zu delegitimieren. Die “offizielle Geschichte”, wonach Perceptrons allein den Förderungsrückgang verursacht habe, sei selbst ein retrospektiv konstruiertes Narrativ interessierter Akteure, keine neutrale historische Tatsache. Bemerkenswert: Diese revisionistische Sicht ist in der breiteren KI-Populärgeschichtsschreibung bis heute nicht durchgängig angekommen – die Kontroverse um die Kontroverse bleibt ungelöst.

Die erweiterte Ausgabe von 1988

Nach dem Comeback neuronaler Netze durch Backpropagation reagierten Minsky und Papert mit einem neuen Prolog und Epilog, ohne neue mathematische Resultate hinzuzufügen. Sie diskutierten mehrlagige Netze und sogenannte Gamba-Perzeptrons – zweistufige Maschinen mit Perzeptron-Einheiten in der ersten Schicht – und vermuteten, solche Maschinen benötigten eine enorme Zahl von Einheiten, um komplexe Funktionen zu approximieren. Zentral war die Verteidigungsthese der Autoren: Der Forschungsrückgang der 1970er-Jahre sei nicht durch ihr Buch verursacht worden, sondern durch die tatsächlichen, inhärenten Grenzen der damaligen Perzeptron-Modelle. Minsky verglich das Buch später mit Lovecrafts Necronomicon – vielen bekannt, aber nur von wenigen gelesen.

Kontroversen und Kritik

Der Kern der bis heute andauernden Debatte liegt genau in der Frage, wie stark das Buch die Forschung tatsächlich lähmte und ob diese Wirkung überhaupt beabsichtigt war. Diskutiert wird auch der Vorwurf, Minsky habe mit dem Buch gezielt eine wissenschaftliche Konkurrenz zugunsten der von ihm selbst vertretenen symbolischen KI ausschalten wollen – eine These, die in der Sekundärliteratur kolportiert, aber nicht abschließend belegt wird.

Verwandte Begriffe

• Konnektionismus – die Forschungsrichtung, deren Rückschlag dem Buch zugeschrieben wird
• Backpropagation – das Verfahren, das neuronale Netze in den 1980ern wiederbelebte
• Symbolische KI – die Gegenposition, für die Minsky stand
• Neuronale Netze – die übergeordnete Technologie, deren Geschichte das Buch prägte

Quellenangaben

1. Minsky, Marvin / Papert, Seymour, 1969. Perceptrons: An Introduction to Computational Geometry. Cambridge, MA: MIT Press.
2. Minsky, Marvin / Papert, Seymour, 1988. Perceptrons: An Introduction to Computational Geometry (Expanded Edition). Cambridge, MA: MIT Press.
3. Olazaran, Mikel, 1996. A Sociological Study of the Official History of the Perceptrons Controversy. Social Studies of Science 26 (3), S. 611–659.

← Zurück zur Lexikon-Übersicht