Một perceptron là thứ nhỏ nhất bạn có thể gọi là bộ não. Nó chỉ nhận một con số đầu vào và trả lời có hoặc không. Nghe có vẻ quá đơn giản, nhưng chính ý tưởng tí hon này là hạt mầm của mọi mạng neural (neural network) đang chạy trên thế giới ngày nay.

Cách perceptron hoạt động

Năm 1958, nhà nghiên cứu Frank Rosenblatt tạo ra cỗ máy mô phỏng một neuron (tế bào thần kinh) duy nhất. Công thức của nó rất đơn giản: output = 1 nếu (w · x + b) > 0, ngược lại là 0. Ở đây x là input, w là weight (trọng số), và b là bias (độ lệch). Bạn có thể tưởng tượng perceptron giống như một người đang quyết định có nhận lời mời làm việc hay không: mỗi yếu tố được nhân với mức độ quan trọng (weight), cộng dồn lại, nếu tổng vượt qua một ngưỡng (bias) thì trả lời "có".

Học từ sai lầm, không cần thư viện lớn

Điểm đặc biệt là perceptron tự học bằng cách điều chỉnh weight và bias mỗi khi dự đoán sai. Nó dùng một vòng lặp đơn giản: tính lỗi (error), rồi đẩy nhẹ các tham số theo hướng ngược lại với sai lầm. Mức điều chỉnh ở mỗi bước do learning rate (tốc độ học) quyết định. Quá trình này gọi là training (huấn luyện) qua nhiều epoch (lượt duyệt toàn bộ dữ liệu). Dù cực kỳ đơn giản, perceptron vẫn là nền tảng cho mọi mô hình AI hiện đại, từ chatbot đến xe tự lái.

Bài viết gốc trên Hacker News nhận được hơn 206 upvote vì cách giải thích trực quan, dễ hiểu, không dùng toán nặng hay thư viện phức tạp, chỉ Python thuần và một trình duyệt. Điều này cho thấy cộng đồng công nghệ toàn cầu vẫn rất quan tâm đến những kiến thức nền tảng của AI và machine learning.