麦卡洛克和皮茨的工作取得了至关重要的进展，但同样存在严重的局限性：这个模型不能自主学习。6年后，这一问题在理论上得到了解决，加拿大心理学家唐纳德·赫布（Donald Hebb）在1949年写了《行为的组织》这本书。赫布称，每次使用神经元都会使人脑中的神经通路加强，人们就是这样学习的。他写道：“细胞A的一个原子离细胞B足够近，并且持续或不断参与激发细胞B，其中一个或两个细胞增长或产生代谢更换，这就会导致细胞A激发细胞B的效率提高。”简单来说，赫布的意思是，当人类大脑中有两个神经元同时受到激发时，二者之间的联系就增强了。有时我们可以这样来记忆：“同激发、同连接的神经元。”
赫布的这一思想在10年后才真正应用到计算机研究中，而这要归功于弗兰克·罗森布拉特（Frank Rosenblatt）。罗森布拉特在计算机历史上是一个有趣的人物：他是一个真正博学多才的文艺复兴式人物，对音乐、天文、数学和计算机无不精通。碰巧的是，他和我们上一章提到的马文·明斯基是同学，他们在20世纪40年代早期都在布朗克斯科学高中读书。然而，罗森布拉特一直处于人工智能研究主流的边缘。明斯基和约翰·麦卡锡组织达特茅斯会议期间，罗森布拉特拿到了康奈尔大学实验心理学博士学位，学习期间，他被神经网络这一学科深深吸引。罗森布拉特将神经网络称作“感知器”，并努力证明其能够有效地充当人类学习、记忆和认知的模型。
罗森布拉特最初在纽约布法罗康奈尔航空实验室尝试建造“感知器”。他在那里创建了PARA项目，即“感知和识别自动化”。他的感知器以麦卡洛克和皮茨提出的神经元模型为基础，同时基于能够通过“试错”进行学习的神经网络。每个神经元都有一个输入、一个输出和一组自己的“权重”。开始的时候，“特性”之间的关联和神经元都会获得随机权重。然后，神经元根据网络显示，选择激发或不激发。片刻后，它就能够将见到的所有事物分为两类，即“X”和“非X”。
由于当时的计算机运行速度太慢，罗森布拉特并没有将其感知器做成软件，而是做成了硬件。他用调光器中使用的可变电阻创建了权重，并用电动机和电阻完成了学习过程。接下来的演示以及罗森布拉特对感知器发展潜力的夸张陈述，足以让人们心潮澎湃。1958年《科学》杂志上发表的一篇极有先见之明的文章上指出：“感知器最终一定能够自主学习、做出决定以及翻译语言。”与此同时，《纽约客》上一篇新发表的文章引用了罗森布拉特的话，“感知器应当证明它能够通过计算机视觉指出‘猫和狗之间的不同点’”。
1960年，罗森布拉特对“阿尔法感知器”计算机的创建工作进行了监督，他为此收到了美国海军研究办公室信息系统部提供的赞助。阿尔法感知器也成为历史上最早能够通过反复试错学习新技能的计算机之一。《纽约时报》将其称为“边做边学的新海军设备”。