麥卡洛克和皮茨的工作取得了至關重要的進展，但同樣存在嚴重的局限性：這個模型不能自主學習。6年後，這一問題在理論上得到了解決，加拿大心理學家唐納德·赫布（Donald Hebb）在1949年寫了《行為的組織》這本書。赫布稱，每次使用神經元都會使人腦中的神經通路加強，人們就是這樣學習的。他寫道：「細胞A的一個原子離細胞B足夠近，並且持續或不斷參與激發細胞B，其中一個或兩個細胞增長或產生代謝更換，這就會導致細胞A激發細胞B的效率提高。」簡單來說，赫布的意思是，當人類大腦中有兩個神經元同時受到激發時，二者之間的聯繫就增強了。有時我們可以這樣來記憶：「同激發、同連接的神經元。」
赫布的這一思想在10年後才真正應用到計算機研究中，而這要歸功於弗蘭克·羅森布拉特（Frank Rosenblatt）。羅森布拉特在計算機歷史上是一個有趣的人物：他是一個真正博學多才的文藝復興式人物，對音樂、天文、數學和計算機無不精通。碰巧的是，他和我們上一章提到的馬文·明斯基是同學，他們在20世紀40年代早期都在布朗克斯科學高中讀書。然而，羅森布拉特一直處於人工智能研究主流的邊緣。明斯基和約翰·麥卡錫組織達特茅斯會議期間，羅森布拉特拿到了康奈爾大學實驗心理學博士學位，學習期間，他被神經網絡這一學科深深吸引。羅森布拉特將神經網絡稱作「感知器」，並努力證明其能夠有效地充當人類學習、記憶和認知的模型。
羅森布拉特最初在紐約布法羅康奈爾航空實驗室嘗試建造「感知器」。他在那裡創建了PARA項目，即「感知和識別自動化」。他的感知器以麥卡洛克和皮茨提出的神經元模型為基礎，同時基於能夠通過「試錯」進行學習的神經網絡。每個神經元都有一個輸入、一個輸出和一組自己的「權重」。開始的時候，「特性」之間的關聯和神經元都會獲得隨機權重。然後，神經元根據網絡顯示，選擇激發或不激發。片刻後，它就能夠將見到的所有事物分為兩類，即「X」和「非X」。
由於當時的計算機運行速度太慢，羅森布拉特並沒有將其感知器做成軟件，而是做成了硬件。他用調光器中使用的可變電阻創建了權重，並用電動機和電阻完成了學習過程。接下來的演示以及羅森布拉特對感知器發展潛力的誇張陳述，足以讓人們心潮澎湃。1958年《科學》雜誌上發表的一篇極有先見之明的文章上指出：「感知器最終一定能夠自主學習、做出決定以及翻譯語言。」與此同時，《紐約客》上一篇新發表的文章引用了羅森布拉特的話，「感知器應當證明它能夠通過計算機視覺指出『貓和狗之間的不同點』」。
1960年，羅森布拉特對「阿爾法感知器」計算機的創建工作進行了監督，他為此收到了美國海軍研究辦公室信息系統部提供的贊助。阿爾法感知器也成為歷史上最早能夠通過反覆試錯學習新技能的計算機之一。《紐約時報》將其稱為「邊做邊學的新海軍設備」。