FRANK ROSENBLATT (i)
✅ Enlaces verificados y operativos en la fecha de elaboración del informe. Algunos recursos pueden requerir registro, suscripción o acceso institucional.
WEB
Professor’s perceptron paved the way for AI – 60 years too soon — Cornell Chronicle – Dossier institucional de referencia sobre Frank Rosenblatt, su formación en Cornell University, su trabajo en Cornell Aeronautical Laboratory, las primeras demostraciones del perceptrón y su legado en la inteligencia artificial. Cornell documenta que obtuvo allí su grado en 1950 y su doctorado en 1956, y que posteriormente fue profesor de neurobiología y comportamiento. (Cronica de Cornell)
Frank Rosenblatt — Cornell University Library Digital Collections – Retrato de graduación de Rosenblatt fechado en 1950, conservado en los Deceased Alumni Files de la Division of Rare and Manuscript Collections de Cornell University Library. Constituye una fuente archivística primaria para su biografía. (digital.library.cornell.edu)
Frank Rosenblatt and Charles W. Wightman — Cornell University Library Digital Collections – Fotografía documental de diciembre de 1958 que muestra a Rosenblatt y Charles W. Wightman trabajando con una unidad prototipo de asociación del primer perceptrón. Procede de los Cornell University Faculty Biographical Files. (digital.library.cornell.edu)
Frank Rosenblatt with experimental rat — Cornell University Library Digital Collections – Documento fotográfico de 1966 que testimonia la vertiente neurobiológica de las investigaciones de Rosenblatt, cuyo trabajo posterior no se limitó a la computación y abordó experimentalmente memoria y comportamiento animal. (digital.library.cornell.edu)
Prof. Rosenblatt Dies — The Cornell Daily Sun Digital Archive – Necrológica contemporánea publicada el 1 de septiembre de 1971. Registra que Rosenblatt murió el 11 de julio de 1971 en un accidente náutico en Chesapeake Bay y recuerda su trabajo sobre el perceptrón. (CORNELL DIGITIZED SUN)
The Perceptron Algorithm — Cornell University – Material docente del curso CS4780 que desarrolla matemáticamente el algoritmo del perceptrón y permite estudiar desde una perspectiva actual uno de los resultados centrales asociados a Rosenblatt. (Ciencias de la Computación Cornell)
CS 4700: Foundations of Artificial Intelligence — Cornell University – Material académico de Cornell que atribuye a Rosenblatt la invención del perceptrón en 1957 y lo presenta como uno de los primeros modelos fundamentales de redes neuronales. (Ciencias de la Computación Cornell)
Neural Networks (Deep Learning) — Cornell University – Material docente contemporáneo de Cornell que sitúa explícitamente los perceptrones dentro de la genealogía de las redes neuronales y el aprendizaje profundo. (Ciencias de la Computación Cornell)
History of Neural Networks — Cornell University – Recurso académico sobre la evolución histórica desde McCulloch y Pitts hasta el perceptrón de Rosenblatt y las redes neuronales posteriores. (Ciencias de la Computación Cornell)
Securing America’s AI Future — Cornell Bowers CIS – Documento institucional contemporáneo que señala explícitamente al perceptrón presentado por Rosenblatt en Cornell en 1958 como uno de los antecedentes de las redes neuronales y del machine learning moderno. (Cornell AI Initiative)
Visual Services / Cornell Publications Photography Records — Cornell University Library – Inventario archivístico que registra, entre otros fondos, fotografías de la dedicación de la Frank Rosenblatt memorial reading room en 1973, prueba documental de la conmemoración institucional posterior a su muerte. (Colección de Manuscritos y Raros)
Guide to the Dale R. Corson Papers — Cornell University Library – Instrumento archivístico que registra documentación del Perceptron Project correspondiente a 1958–1959, útil para investigaciones de archivo sobre el entorno institucional del proyecto. (Colección de Manuscritos y Raros)
The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain — DOI – Artículo fundamental publicado por Rosenblatt en Psychological Review, vol. 65, en 1958. Es una fuente primaria imprescindible para comprender su concepción del perceptrón como modelo probabilístico del almacenamiento y organización de información.
Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms — WorldCat – Registro bibliográfico de la monografía fundamental de Rosenblatt, publicada por Spartan Books en 1962. Constituye la exposición extensa de su teoría de perceptrones y mecanismos cerebrales. (WorldCat)
Perceptrons: An Introduction to Computational Geometry — The MIT Press – Edición oficial del conocido análisis crítico de Marvin Minsky y Seymour Papert sobre las capacidades matemáticas de determinados tipos de perceptrones. Es esencial para estudiar la recepción y controversia posterior del programa de Rosenblatt. (MIT Press)
Perceptrons — edición de 1969 — The MIT Press – Registro de la edición original de 1969 de la obra de Minsky y Papert, publicada aproximadamente una década después de las primeras demostraciones del perceptrón. (MIT Press)
Perceptrons — Expanded Edition — The MIT Press – Registro editorial de la edición ampliada de 1987 de la obra de Minsky y Papert, importante para estudiar retrospectivamente las capacidades y límites del paradigma perceptrón. (MIT Press)
1969: Perceptrons Intro and The Sciences of the Artificial — The MIT Press – Material histórico de MIT Press que contextualiza Perceptrons dentro del debate sobre aprendizaje, memoria, computación y organización cerebral. (MIT Press)
Neural Networks — scikit-learn – Documentación oficial contemporánea sobre perceptrones multicapa y redes neuronales supervisadas, útil para comparar el modelo histórico de Rosenblatt con arquitecturas entrenables posteriores.
Perceptron — scikit-learn – Implementación oficial actual del algoritmo de clasificación lineal denominado Perceptron. Permite estudiar experimentalmente la regla de aprendizaje heredera del trabajo de Rosenblatt.
Multilayer Perceptrons for Digit Recognition — TensorFlow – Recurso técnico oficial que conecta el concepto de perceptrón con redes multicapa utilizadas para clasificación moderna.
Build the Neural Network — PyTorch – Tutorial oficial para construir redes a partir de transformaciones lineales y activaciones no lineales, componentes que permiten seguir la evolución desde las unidades neuronales tempranas hasta las arquitecturas contemporáneas.
Explained: Neural Networks — MIT – Explicación institucional de la historia de las redes neuronales que sitúa al perceptrón entre sus antecedentes fundamentales y permite relacionar el trabajo de Rosenblatt con el posterior aprendizaje profundo.
Learning Representations by Back-propagating Errors — Nature – Trabajo clásico de David E. Rumelhart, Geoffrey E. Hinton y Ronald J. Williams publicado en 1986; resulta indispensable para estudiar el renacimiento de las redes multicapa tras la primera época de los perceptrones.
Deep Learning — Nature – Revisión de Yann LeCun, Yoshua Bengio y Geoffrey Hinton sobre aprendizaje profundo que proporciona el contexto histórico y científico necesario para evaluar el lugar que ocupa el perceptrón en la genealogía de la IA neuronal.
Artificial Neural Network Technologies — Defense Technical Information Center – Informe técnico histórico sobre tecnologías de redes neuronales que referencia expresamente el artículo de Rosenblatt de 1958 y documenta la evolución posterior de los modelos neuronales. (CSIAC)
YOUTUBE
Cornell University — YouTube – Canal institucional de la universidad donde Rosenblatt estudió, obtuvo su doctorado y desarrolló posteriormente parte esencial de su carrera. Complementa los archivos escritos y fotográficos de Cornell.
Cornell Bowers CIS — YouTube – Canal institucional de Cornell Ann S. Bowers College of Computing and Information Science, adecuado para seguir la investigación y enseñanza contemporáneas sobre aprendizaje automático y redes neuronales vinculadas al legado del perceptrón.
MIT OpenCourseWare — YouTube – Archivo universitario de cursos sobre inteligencia artificial, computación, aprendizaje automático y ciencias cognitivas; especialmente pertinente para estudiar el marco académico que siguió al debate Rosenblatt–Minsky/Papert.
Stanford Online — YouTube – Canal académico con cursos de machine learning, redes neuronales y clasificación que permiten seguir la descendencia algorítmica del perceptrón.
Computer History Museum — YouTube – Archivo audiovisual dedicado a la historia de la computación, con testimonios y conferencias sobre inteligencia artificial y redes neuronales.
IEEE Computational Intelligence Society — YouTube – Conferencias profesionales sobre redes neuronales, aprendizaje computacional e inteligencia artificial, campos que incorporaron posteriormente ideas derivadas del perceptrón.
ACM — Association for Computing Machinery — YouTube – Canal institucional de ACM con entrevistas, conferencias y materiales históricos sobre informática e inteligencia artificial.
DeepLearning.AI — YouTube – Recurso educativo centrado en redes neuronales y aprendizaje profundo, útil para seguir la evolución técnica desde clasificadores neuronales tempranos hasta arquitecturas multicapa.
PODCAST
ACM ByteCast – Podcast institucional de Association for Computing Machinery dedicado a personalidades, investigaciones y evolución histórica de la informática y la inteligencia artificial.
The TWIML AI Podcast – Podcast especializado en machine learning e inteligencia artificial con entrevistas a investigadores sobre redes neuronales, aprendizaje profundo y teoría del aprendizaje.
The Gradient Podcast – Entrevistas académicas y técnicas sobre inteligencia artificial, historia del campo, redes neuronales y aprendizaje automático.
Data Skeptic – Podcast dedicado a ciencia de datos y machine learning que proporciona contexto sobre clasificación, algoritmos supervisados y redes neuronales.
The Joy of Why — Quanta Magazine – Podcast sobre matemáticas y ciencias fundamentales que permite ampliar el contexto matemático de clasificación, optimización y aprendizaje.
No se han localizado suficientes podcasts institucionales de alta calidad dedicados específicamente a la biografía de Frank Rosenblatt como para completar artificialmente esta categoría.
LIBROS
Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms — Frank Rosenblatt – Publicado por Spartan Books en 1962, es la obra primaria central de Rosenblatt. Desarrolla su teoría de perceptrones, aprendizaje, reconocimiento de patrones y mecanismos cerebrales. (WorldCat)
Perceptrons: An Introduction to Computational Geometry — Marvin Minsky y Seymour A. Papert – Obra crítica fundamental para comprender qué clases de problemas podían o no resolver determinados perceptrones y cómo fue recibido el programa de Rosenblatt a finales de la década de 1960. (MIT Press)
Perceptrons: An Introduction to Computational Geometry — edición de 1969 – Registro oficial de la primera edición de la monografía de Minsky y Papert, indispensable para investigar la controversia histórica en su contexto cronológico original. (MIT Press)
Perceptrons: An Introduction to Computational Geometry — Expanded Edition – Edición ampliada de 1987 que permite comparar la valoración posterior de los autores con el texto que influyó profundamente en la recepción de la investigación sobre perceptrones. (MIT Press)
Deep Learning — Ian Goodfellow, Yoshua Bengio y Aaron Courville – Tratado moderno de referencia sobre redes neuronales y aprendizaje profundo. Resulta adecuado para situar las aportaciones de Rosenblatt dentro de la evolución de las arquitecturas neuronales.
Parallel Distributed Processing — David E. Rumelhart, James L. McClelland y PDP Research Group – Obra fundamental del conexionismo de la década de 1980 y referencia para estudiar la reactivación de modelos neuronales multicapa varias décadas después de Rosenblatt.
Pattern Recognition and Machine Learning — Christopher M. Bishop – Manual académico de reconocimiento de patrones y machine learning que permite comprender el perceptrón dentro de la teoría moderna de clasificación lineal.
The Elements of Statistical Learning — Trevor Hastie, Robert Tibshirani y Jerome Friedman – Referencia avanzada para contextualizar clasificadores lineales, redes neuronales y otros métodos que se desarrollaron después de los trabajos pioneros de Rosenblatt.
Understanding Machine Learning: From Theory to Algorithms — Shai Shalev-Shwartz y Shai Ben-David – Texto riguroso sobre teoría del aprendizaje, clasificación lineal y aprendizaje online; particularmente útil para comprender matemáticamente las garantías asociadas al algoritmo del perceptrón.
Foundations of Machine Learning — Mehryar Mohri, Afshin Rostamizadeh y Ameet Talwalkar – Monografía teórica sobre aprendizaje automático que permite situar la regla del perceptrón en el marco posterior de generalización y algoritmos online.
Neural Networks and Learning Machines — Simon Haykin – Tratado amplio sobre redes neuronales, perceptrones y aprendizaje adaptativo, apropiado para estudiar la descendencia técnica del trabajo de Rosenblatt.
Artificial Intelligence: A Modern Approach — Stuart Russell y Peter Norvig – Manual universitario de referencia para situar las redes neuronales tempranas y el perceptrón dentro de la historia general de la inteligencia artificial.
Machine Learning — Tom M. Mitchell – Texto clásico sobre aprendizaje automático que incorpora redes neuronales, aprendizaje supervisado y clasificación dentro de una perspectiva algorítmica.
Pattern Classification — Richard O. Duda, Peter E. Hart y David G. Stork – Obra fundamental de reconocimiento de patrones y funciones discriminantes, disciplinas directamente relacionadas con el objetivo original del perceptrón.
Neural Networks and Deep Learning — Michael Nielsen – Libro digital de acceso abierto que permite seguir conceptualmente la transición desde neuronas artificiales y perceptrones hasta redes entrenadas mediante retropropagación.
REVISTAS
Psychological Review – Revista de American Psychological Association en la que Rosenblatt publicó en 1958 The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain, uno de los documentos centrales de su producción científica.
Neural Networks – Revista científica vinculada a International Neural Network Society, European Neural Network Society y Japanese Neural Network Society; relevante para estudiar el desarrollo posterior del campo iniciado por modelos como el perceptrón.
Neural Computation – Revista de The MIT Press sobre redes neuronales, neurociencia computacional y teoría del aprendizaje, directamente relacionada con problemas que Rosenblatt intentó abordar experimental y matemáticamente.
IEEE Transactions on Neural Networks and Learning Systems – Publicación especializada en teoría y aplicaciones de redes neuronales y sistemas de aprendizaje.
Journal of Machine Learning Research – Revista de acceso abierto sobre aprendizaje automático, teoría de la clasificación, optimización y algoritmos de aprendizaje.
Machine Learning – Revista especializada que permite seguir la evolución científica desde clasificadores lineales tempranos hasta métodos modernos de aprendizaje.
Artificial Intelligence – Revista histórica de investigación sobre inteligencia artificial, adecuada para contextualizar el lugar de los modelos conexionistas dentro de la disciplina.
IEEE Transactions on Pattern Analysis and Machine Intelligence – Revista especializada en reconocimiento de patrones, clasificación, visión artificial y machine learning, problemas relacionados directamente con las primeras aplicaciones del perceptrón.
Pattern Recognition – Publicación dedicada al reconocimiento automático de patrones, una de las áreas fundamentales de investigación de Rosenblatt.
Nature Machine Intelligence – Revista contemporánea sobre inteligencia artificial y aprendizaje automático útil para estudiar la evolución de los sistemas neuronales desde sus antecedentes históricos.
MUSEOS
Computer History Museum – Institución especializada en historia de la computación cuyo archivo y programas constituyen uno de los principales puntos de referencia para contextualizar las primeras décadas de la inteligencia artificial.
MIT Museum – Museo universitario asociado a MIT, institución estrechamente vinculada a Marvin Minsky y Seymour Papert y, por tanto, al debate histórico sobre los perceptrones.
National Museum of American History — Smithsonian Institution – Museo estadounidense con colecciones sobre historia de la informática, electrónica y ciencia que proporcionan el contexto tecnológico en el que surgió el perceptrón.
Science Museum – Museo británico con colecciones sobre informática, comunicaciones y tecnología, adecuado para contextualizar históricamente el nacimiento de la inteligencia artificial.
Heinz Nixdorf MuseumsForum – Museo alemán especializado en la historia cultural y tecnológica del procesamiento de información.
Deutsches Museum – Museo de ciencia y tecnología con colecciones de informática, electrónica y automatización relevantes para contextualizar los sistemas computacionales de la época de Rosenblatt.
Miraikan — The National Museum of Emerging Science and Innovation – Museo japonés especializado en tecnologías emergentes, robótica e inteligencia artificial, útil para estudiar la continuidad contemporánea del campo.
No se ha localizado un museo monográfico dedicado específicamente a Frank Rosenblatt; las instituciones seleccionadas permiten contextualizar documentalmente la historia material de la computación y de la inteligencia artificial.
UNIVERSIDADES
Cornell University – Institución fundamental para estudiar a Rosenblatt. Fue alumno de Cornell, obtuvo allí su doctorado en 1956 y posteriormente desarrolló actividad docente e investigadora en neurobiología y comportamiento. Sus archivos conservan fotografías y documentación primaria sobre el perceptrón. (digital.library.cornell.edu)
Cornell University Library — Division of Rare and Manuscript Collections – Archivo institucional esencial para investigación primaria sobre Rosenblatt, ya que conserva sus fotografías biográficas y registros relacionados con el desarrollo del perceptrón. (digital.library.cornell.edu)
Cornell Ann S. Bowers College of Computing and Information Science – Unidad académica contemporánea de Cornell que mantiene vivo el legado histórico del perceptrón en investigación y docencia de inteligencia artificial y machine learning.
Cornell Department of Neurobiology and Behavior – Departamento sucesor del ámbito académico en el que Rosenblatt trabajó como profesor, relevante para estudiar la dimensión neurobiológica de su carrera. Cornell identifica su puesto como asociado a neurobiología y comportamiento. (nbb.cornell.edu)
Massachusetts Institute of Technology – Institución imprescindible para estudiar la recepción del trabajo de Rosenblatt por la vinculación de Marvin Minsky y Seymour Papert con MIT y su análisis de los perceptrones.
Stanford University — Stanford Artificial Intelligence Laboratory – Centro histórico de inteligencia artificial con abundante documentación académica sobre aprendizaje automático, clasificación y redes neuronales.
Carnegie Mellon University — Machine Learning Department – Departamento especializado en aprendizaje automático; proporciona el marco contemporáneo para estudiar teoría del aprendizaje y clasificadores relacionados con el perceptrón.
University of Toronto — Department of Computer Science – Centro decisivo en el posterior desarrollo de redes neuronales profundas, adecuado para seguir históricamente la continuidad desde modelos tempranos hasta el aprendizaje profundo.
Université de Montréal — Mila – Instituto universitario especializado en inteligencia artificial y aprendizaje profundo; útil para investigar la evolución moderna del paradigma conexionista.
The University of Tokyo — Graduate School of Information Science and Technology – Centro asiático de investigación en inteligencia artificial, machine learning y reconocimiento de patrones.
ASOCIACIONES
Association for Computing Machinery – Organización profesional internacional de informática y fuente de publicaciones y archivos sobre inteligencia artificial, aprendizaje automático e historia de la computación.
IEEE Computational Intelligence Society – Sociedad profesional dedicada a redes neuronales, inteligencia computacional y aprendizaje, disciplinas directamente relacionadas con el legado científico del perceptrón.
International Neural Network Society – Asociación internacional centrada específicamente en redes neuronales, neurocomputación y sistemas de aprendizaje.
European Neural Network Society – Organización europea dedicada a investigación sobre redes neuronales, inteligencia computacional y aprendizaje automático.
Japanese Neural Network Society – Sociedad japonesa dedicada a redes neuronales, neurociencia computacional y modelos de aprendizaje.
Association for the Advancement of Artificial Intelligence – Asociación científica internacional dedicada al estudio y desarrollo de la inteligencia artificial.
International Association for Pattern Recognition – Organización internacional especializada en reconocimiento de patrones, uno de los problemas centrales que motivaron el desarrollo inicial del perceptrón.
European Association for Artificial Intelligence – Asociación europea orientada a investigación, educación y cooperación científica en inteligencia artificial.
ELLIS — European Laboratory for Learning and Intelligent Systems – Red europea especializada en machine learning y sistemas inteligentes, representativa de la evolución contemporánea de las líneas iniciadas por la investigación neuronal temprana.
NEWSLETTER
ACM TechNews – Boletín de Association for Computing Machinery sobre investigación y desarrollos en informática, inteligencia artificial y aprendizaje automático.
IEEE Spectrum Newsletters – Boletines especializados en tecnología, inteligencia artificial, computación y sistemas inteligentes.
The Batch — DeepLearning.AI – Newsletter especializada en redes neuronales, aprendizaje profundo e inteligencia artificial contemporánea.
Nature Briefing – Servicio editorial de Nature que permite seguir nuevos desarrollos en ciencia, inteligencia artificial y machine learning.
MIT CSAIL News – Actualizaciones del MIT Computer Science and Artificial Intelligence Laboratory, institución heredera del entorno académico asociado históricamente con Minsky.
Cornell Chronicle – Publicación institucional de Cornell que mantiene documentación histórica sobre Rosenblatt y ha recuperado su papel en la genealogía de la inteligencia artificial. (Cronica de Cornell)
The Gradient – Publicación académica sobre inteligencia artificial, historia del campo y aprendizaje automático.
No se ha localizado una newsletter activa dedicada exclusivamente a Rosenblatt; se incluyen únicamente boletines institucionales relevantes para el campo derivado de su trabajo.
TV
PBS – Servicio público estadounidense con archivo documental de ciencia, informática, cerebro e inteligencia artificial, útil para contextualizar históricamente el periodo de Rosenblatt.
BBC – Servicio público británico con programación documental sobre historia de la computación, inteligencia artificial y neurociencia.
ARTE – Canal cultural europeo con documentales sobre ciencia, tecnología, inteligencia artificial e historia intelectual.
NHK – Radiotelevisión pública japonesa con producción documental sobre ciencia y tecnología.
No se han localizado suficientes programas televisivos institucionales dedicados específicamente a Frank Rosenblatt como para ampliar esta sección sin reducir la relevancia documental.
RADIO
NPR – Red pública estadounidense con cobertura histórica y contemporánea de ciencia, computación, neurociencia e inteligencia artificial.
BBC Radio 4 – Emisora pública británica con espacios documentales sobre ciencia, matemáticas e historia de la tecnología.
France Culture – Emisora pública francesa con programas especializados en ciencias, historia intelectual, informática e inteligencia artificial.
ABC Radio National – Radio pública australiana orientada a ciencia, investigación y tecnología.
Deutschlandfunk – Emisora pública alemana con programación científica y tecnológica.
No se ha localizado un archivo radiofónico institucional suficientemente sólido dedicado monográficamente a Rosenblatt; los recursos seleccionados son fuentes complementarias para el contexto histórico de la IA.
PRENSA ONLINE
Professor’s perceptron paved the way for AI – 60 years too soon — Cornell Chronicle – Reportaje institucional de Melanie Lefkowitz publicado en 2019. Es una de las reconstrucciones documentales más útiles de Rosenblatt, sus experimentos y la recepción pública temprana del perceptrón. (Cronica de Cornell)
Explained: Neural Networks — MIT News – Artículo institucional dedicado a la evolución histórica de las redes neuronales y al contexto que enlaza los primeros sistemas de aprendizaje con las arquitecturas profundas actuales.
IEEE Spectrum – Publicación de IEEE que mantiene abundante documentación histórica sobre inteligencia artificial, computación y redes neuronales.
MIT Technology Review – Publicación tecnológica de MIT que cubre la evolución del aprendizaje automático y las arquitecturas neuronales.
Quanta Magazine – Publicación científica sobre matemáticas e informática teórica útil para estudiar los fundamentos del aprendizaje y la evolución contemporánea de las redes neuronales.
Nature – Portal editorial y científico de referencia para seguir la investigación en inteligencia artificial, neurociencia y machine learning.
Science – Publicación de American Association for the Advancement of Science con cobertura de avances científicos y tecnológicos relacionados con inteligencia artificial.
Scientific American – Revista de divulgación científica con archivo sobre cerebro, aprendizaje, informática y redes neuronales.
New Scientist – Publicación científica con cobertura histórica y contemporánea de inteligencia artificial y neurocomputación.
PRENSA ESCRITA
The Cornell Daily Sun — archivo digital – Archivo histórico del periódico universitario de Cornell. Conserva la necrológica de Rosenblatt de 1971 y es una fuente primaria de especial valor para estudiar su recepción dentro de su propia universidad. (CORNELL DIGITIZED SUN)
The New York Times – El periódico cubrió públicamente las primeras demostraciones del perceptrón en 1958; la reconstrucción institucional de Cornell conserva referencia explícita a esa cobertura contemporánea. (Cronica de Cornell)
The New Yorker – La revista participó en la recepción mediática inicial del perceptrón; Cornell documenta que presentó el dispositivo como un serio competidor conceptual del cerebro humano.
Psychological Review – Aunque es una revista científica y no prensa generalista, constituye una publicación impresa histórica imprescindible porque acogió el artículo de Rosenblatt de 1958 que formalizó académicamente el perceptrón.
Communications of the ACM – Publicación profesional de Association for Computing Machinery con documentación histórica y científica sobre redes neuronales e inteligencia artificial.
IEEE Spectrum – Revista impresa y digital de IEEE dedicada a ingeniería y tecnología; su archivo permite contextualizar la historia de la inteligencia artificial y de los sistemas neuronales.
Scientific American – Revista histórica de divulgación científica apropiada para estudiar la evolución pública de las ideas sobre cerebro, máquinas inteligentes y redes neuronales.
Nature – Revista científica que documentó posteriormente avances esenciales para el renacimiento de las redes neuronales, incluido el aprendizaje por retropropagación.
Science – Publicación científica internacional adecuada para contextualizar la evolución del campo de la inteligencia artificial tras la primera generación de sistemas neuronales.
MIT Technology Review – Revista tecnológica vinculada a MIT, especialmente útil para seguir el desarrollo posterior del aprendizaje automático y evaluar históricamente la influencia del programa iniciado por Rosenblatt.