# III.1 — O Neurônio Artificial

> **Estado da arte capturado em 2026-08** · última revisão 2026-08-08 · [histórico](../HISTORICO.md)
>
> **Nível: essencial.** Corpo escrito e prática funcionando; o aprofundamento (mais experimentos, mais fontes verificadas) vem em ciclo próprio — ver [níveis de maturidade](../GUIA-EDITORIAL.md#niveis-de-maturidade).

## Objetivos de aprendizagem

- **O1.** Descrever o neurônio de McCulloch–Pitts e o que ele computa.
- **O2.** Encontrar, à mão, pesos e limiar que implementem uma função lógica dada.
- **O3.** Explicar geometricamente por que um único neurônio não resolve o XOR.
- **O4.** Situar historicamente por que essa limitação parou a área — e o que a destravou.

## O problema: pode uma máquina pensar em lógica?

Em 1943 não havia computador digital comercial nem "Machine Learning". A pergunta que Warren McCulloch e Walter Pitts se fizeram era outra: **a atividade do cérebro pode ser descrita como lógica?**

A resposta deles foi um modelo brutalmente simples de neurônio ([McCulloch & Pitts, 1943](https://doi.org/10.1007/BF02478259), ✓ᵐ). O neurônio recebe entradas, multiplica cada uma por um **peso**, soma tudo, e dispara (devolve 1) se a soma alcançar um **limiar**. Senão, devolve 0.

$$y = \begin{cases} 1 & \text{se } w_1x_1 + w_2x_2 + \dots \geq \theta \\ 0 & \text{se } w_1x_1 + w_2x_2 + \dots < \theta \end{cases}$$

Aqui `y` é a saída, `x` são as entradas, `w` são os pesos e `θ` (teta) é o limiar — a mesma notação do diagrama.

É só isso. Uma soma ponderada e uma comparação.

<img src="assets/neuronio-mp.svg" alt="Diagrama do neurônio de McCulloch–Pitts: as entradas x₁ e x₂ são multiplicadas pelos pesos w₁ e w₂, somadas no corpo do neurônio, e comparadas com o limiar θ. A saída, escrita como condicional de dois ramos, é 1 se a soma alcançar o limiar e 0 se não alcançar." width="720">

O que McCulloch e Pitts demonstraram foi que **redes desses elementos podem computar qualquer função lógica proposicional**. O argumento era filosófico antes de ser tecnológico: se o pensamento é lógica, e a lógica é computável por neurônios, então o pensamento é computável. A ideia está na fundação da inteligência artificial, da teoria de autômatos e da cibernética, quinze anos antes de existir uma máquina que aprendesse alguma coisa.

> **Repare no que ainda não existe aqui: aprendizado.** No modelo de 1943 os pesos são **postos à mão** por quem projeta a rede. Descobrir os pesos automaticamente é o passo seguinte da história, e é o que o perceptron de Rosenblatt traz em 1958.

## De onde isto veio

**O aperto.** McCulloch era neurofisiologista e passara anos atrás de uma pergunta que a fisiologia da época não sabia formular: *que tipo de coisa o cérebro faz, do ponto de vista lógico?* Pitts tinha vinte anos, nenhum diploma, nenhum endereço fixo, e lia lógica formal desde os doze. Nenhum dos dois queria construir uma máquina — queriam **decidir uma questão filosófica** com ferramenta matemática. Havia um órgão que evidentemente processava informação, e nenhuma linguagem para descrever o que ele processava.

**O que se fazia antes.** Descrevia-se o neurônio em termos **químicos e elétricos** — potenciais, limiares de disparo, sinapses. Descrição correta e inútil para a pergunta: nenhuma quantidade de eletroquímica dizia se aquilo computava alguma coisa.

**A virada.** Jogar fora quase tudo. Nada de tempo contínuo, nada de química, nada de geometria do axônio — só *"soma o que chega, e dispara se passar de um limite"*. Com essa abstração violenta veio a prova: redes desses elementos computam qualquer função lógica proposicional.

**A ideia reaproveitável.** **Uma abstração vale pelo que ela permite provar, não pela fidelidade ao original.** O neurônio de 1943 é biologicamente errado de propósito, e foi por ter descartado a biologia que rendeu um teorema. Todo modelo que você vai construir neste livro faz a mesma aposta: joga fora o que não serve à pergunta. Quem perde de vista o que foi jogado fora acaba acreditando no modelo em vez de usá-lo, e daí vem boa parte do exagero sobre o que redes neurais "entendem".

**O nome.** "Neurônio artificial" veio da motivação do modelo, e descreve mal o que ele faz. E é mais velho que o campo: a expressão *inteligência artificial* só apareceria doze anos depois.

| Quando | O quê |
|---|---|
| **1943** | McCulloch & Pitts publicam o neurônio lógico |
| **jul–ago de 1948** | Turing escreve, para o National Physical Laboratory, o relatório [*Intelligent Machinery*](https://weightagnostic.github.io/papers/turing1948.pdf) — onde o jogo da imitação aparece pela primeira vez, em forma restrita. O relatório **só foi publicado em 1968** |
| **1950** | Sai na *Mind* [*Computing Machinery and Intelligence*](https://doi.org/10.1093/mind/LIX.236.433), a exposição completa do que hoje se chama **teste de Turing** |
| **31 de agosto de 1955** | McCarthy, Minsky, Rochester e Shannon assinam a [proposta do projeto de Dartmouth](https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html) — onde **"artificial intelligence" aparece pela primeira vez** |
| **1956** | O workshop de Dartmouth acontece, e é tomado como o evento fundador do campo |

Vale guardar duas coisas: **o neurônio artificial é doze anos mais velho que o nome do campo em que vive**, e a ideia de Turing sobre máquinas pensantes é de **1948**, não de 1950 — o texto famoso é o segundo, e o primeiro passou vinte anos numa gaveta.

### A linha até 1986, e o que ela ensina sobre crédito

| Ano | Quem | O quê | Fonte |
|---|---|---|---|
| **1943** | McCulloch & Pitts | O neurônio lógico. Sem aprendizado: os pesos são projetados | [doi:10.1007/BF02478259](https://doi.org/10.1007/BF02478259) |
| **1949** | Hebb | *The Organization of Behavior*: "neurônios que disparam juntos conectam-se juntos" — a primeira ideia de como um peso poderia **mudar** com a experiência | [registro](https://psycnet.apa.org/record/1950-02200-000) |
| **1958** | Rosenblatt | O **perceptron**: a regra de aprendizado que faltava, com prova de convergência para problemas separáveis | [doi:10.1037/h0042519](https://doi.org/10.1037/h0042519) |
| **1969** | Minsky & Papert | *Perceptrons*: a demonstração de que uma camada não computa o XOR | [MIT Press](https://mitpress.mit.edu/9780262534772/perceptrons/) |
| **1970** | Linnainmaa | A **retropropagação** descrita pela primeira vez, em tese de mestrado, *"albeit without reference to NNs"* | [Schmidhuber (2014), §5.5](https://arxiv.org/abs/1404.7828), ✓ |
| **1974** | Werbos | Tese de doutorado, com discussão preliminar já voltada a redes | [Schmidhuber (2014), §5.5](https://arxiv.org/abs/1404.7828), ✓ |
| **1981** | Werbos | A primeira **aplicação** da retropropagação eficiente a redes neurais | [Schmidhuber (2014), §5.5](https://arxiv.org/abs/1404.7828), ✓ |
| **1979/80** | Fukushima | O **neocognitron**, primeira arquitetura hierárquica convolucional — treinada **sem** backpropagation. Em japonês em 1979; em inglês em 1980 | [doi:10.1007/BF00344251](https://doi.org/10.1007/BF00344251) |
| **1986** | Rumelhart, Hinton & Williams | Popularizam o backpropagation e mostram as representações aprendidas nas camadas escondidas | [doi:10.1038/323533a0](https://doi.org/10.1038/323533a0) |

Rosenblatt provou que, **se o problema for linearmente separável**, o perceptron converge em número finito de passos. A prova é sólida, e tudo depende da condição no meio dela. O entusiasmo de 1958 leu só a primeira parte, e a imprensa prometeu máquinas conscientes.

Onze anos depois, *Perceptrons* demonstrou com rigor o que você vai descobrir no laboratório abaixo: uma camada não computa o XOR. **O argumento estava correto**; a leitura que se fez dele foi mais ampla do que os autores demonstraram, o financiamento migrou para a IA simbólica, e veio o **inverno da IA**.

A saída veio em 1986, e a moral vale além da história: **a limitação nunca foi do neurônio, era da arquitetura de uma camada só.** O [capítulo III.2](iii-2-redes-neurais.md) constrói a rede multicamada que resolve isso.

E repare em quem leva o crédito. Rumelhart, Hinton e Williams **popularizaram** o backpropagation; a descrição é de Linnainmaa, dezesseis anos antes, numa tese de mestrado em finlandês que, nas palavras de um levantamento histórico do campo, traz o método *"albeit without reference to NNs"*.

Esse levantamento é de **Jürgen Schmidhuber**, e ele declara o próprio propósito no prefácio: *"One of its goals is to assign credit to those who contributed to the present state of the art."* Um artigo de revisão escrito para acertar atribuição é, ele mesmo, sintoma de que a atribuição estava errada. **A formulação a seguir é deste livro, e não de Schmidhuber:** o crédito não fica com quem inventa primeiro, e sim com quem reinventa por último, num momento em que a comunidade está pronta para ouvir.

> **O espelho disto está no [capítulo II.2](ii-2-modelos-lineares.md).** Lá, Gauss **provavelmente** tinha os mínimos quadrados antes e perdeu a prioridade para Legendre, que publicou primeiro e argumentou que prioridade se estabelece por publicação. O "provavelmente" é do estudo de referência sobre a disputa, que argumenta sem concluir. Os dois casos, juntos, dizem o que nenhum diz sozinho: **crédito não segue descoberta, segue comunicação** — e é por isso que publicar, datar e documentar contam como trabalho científico.

> **Sobre "um italiano em 1979".** Essa memória circula, e não encontrei quem a sustente. O que a linha do tempo acima ancora em 1979 é o neocognitron de Fukushima, japonês, publicado em inglês no ano seguinte. Werbos, americano, está em 1974 e em 1981, perto de 1979 mas não nele. E a prioridade de 1970 é de Linnainmaa, finlandês. Se você tiver a referência, ela entra aqui — até lá o livro registra a dúvida em vez de escolher uma versão.

**Procedência das afirmações desta seção:**

| Selo | Afirmação |
|---|---|
| ✓ᵐ | Datas, autoria e veículo de McCulloch & Pitts (1943), Rosenblatt (1958), Fukushima (1980) e Rumelhart *et al.* (1986) — conferidos no Crossref em 2026-08-08. **Os artigos não foram lidos por inteiro** |
| ✓ᵐ | A proposta de Dartmouth (31/08/1955) e o artigo da *Mind* (1950), pelos documentos ligados acima |
| ⏳ | Que o relatório *Intelligent Machinery* (1948) só veio a público em 1968 |
| ⏳ | A biografia de Pitts (vinte anos, autodidata, sem endereço fixo) — repetida de forma consistente na literatura; não conferida em fonte primária |
| ✓ | A cronologia de prioridade do backpropagation e os trechos citados entre aspas, em [Schmidhuber, *"Deep Learning in Neural Networks: An Overview"*](https://arxiv.org/abs/1404.7828), **lido**: a descrição de 1970 em tese de mestrado *"albeit without reference to NNs"*, a discussão preliminar de Werbos em 1974, e a primeira aplicação a redes em **1981** |
| ✓ᵐ | Que a tese de Linnainmaa fosse **em finlandês**. O levantamento lido não diz a língua, só que a tese não menciona redes; quem sustenta esse ponto é a ficha da própria dissertação, cujo título está em finlandês (ver a [bibliografia](../bibliografia.md)) |
| 📖 | A formulação "o crédito fica com quem reinventa por último" é **deste livro**, e não do levantamento. O que Schmidhuber declara é o propósito de *"assign credit"* |
| ❌ | "Um italiano desenvolveu o backpropagation em 1979" — procurei e não achei fonte |
| 📖 | A ideia reaproveitável ("uma abstração vale pelo que permite provar") e a leitura de que o inverno veio de uma leitura ampliada de *Perceptrons* |

## Mão na massa: encontre os pesos você mesmo

Antes de ler qualquer explicação, brinque. Ajuste `w₁`, `w₂` e `θ` até a tabela-verdade fechar.

No **E (AND)**, o neurônio deve disparar só quando as duas entradas forem 1.

:::lab {"id":"neuronio-artificial-l1","tipo":"neuronio-mp","titulo":"Neurônio de McCulloch–Pitts","funcao":"AND"}
Cada ponto no gráfico é uma linha da tabela-verdade. **Verde** = deveria disparar; **branco/cinza** = não deveria. A reta é `w₁x₁ + w₂x₂ = θ`, e a região sombreada é onde o neurônio dispara.

Sua tarefa: mover a reta até que **todos os pontos verdes fiquem dentro da região sombreada e todos os outros fiquem fora**.

Comece pelo **E (AND)**. Depois tente OU, NÃO-E e NÃO-OU, que têm solução, e cada um tem *infinitas* soluções. Deixe o **OU-EXCLUSIVO (XOR)** por último.
:::

### O que você deveria ter notado

**Primeiro:** não existe *a* resposta certa. Para o AND, `w₁=1, w₂=1, θ=2` funciona; `w₁=0,6, w₂=0,6, θ=1` também; `w₁=3, w₂=2, θ=4,5` também. Infinitas retas separam aqueles quatro pontos. A multiplicidade é a natureza do problema, e não um defeito do laboratório. É a mesma razão pela qual dois modelos treinados com sementes diferentes chegam a coeficientes diferentes e à mesma qualidade.

**Segundo:** você estava fazendo, à mão, exatamente o que o gradiente descendente do [capítulo II.4](ii-4-otimizacao.md) faz sozinho — mover a fronteira até que os erros acabem. A diferença é que você olhava a tabela inteira e ajustava por intuição; o algoritmo olha um erro por vez e ajusta por regra fixa.

**Terceiro — e este é o ponto do capítulo:** no XOR você travou em 3 de 4.

:::lab {"id":"neuronio-artificial-l2","tipo":"anima-perceptron","titulo":"O perceptron aprendendo, e onde ele para","semente":7}
No laboratório acima **você** procurou os pesos. Aqui quem procura é o método: a cada passo ele olha um exemplo, e se errou, empurra a fronteira na direção daquele ponto. É a regra de 1958 inteira, e não há mais nada nela.

Assista até a contagem de erros zerar. Depois clique em **"E se os dados forem XOR?"** e assista de novo, com o relógio na mão. O que você vai ver na segunda vez é o assunto da próxima seção.
:::

:::lab {"id":"neuronio-artificial-l3","tipo":"perceptron-treino","titulo":"Agora o aprendizado é seu: um passo por vez"}
No laboratório de cima o método rodava sozinho. Aqui você é o relógio. **"Um passo"** mostra a regra de 1958 acontecendo uma vez: ele pega um exemplo, compara o que saiu com o que devia sair, e corrige os pesos **só se errou**. O placar diz qual exemplo foi, o que esperava, o que saiu, e se mexeu em alguma coisa.

Faça assim: escolha o **E (AND)**, aperte "Um passo" umas dez vezes lendo o placar a cada vez, e só depois use "Uma época" e "Rodar até parar". Com o AND ele fecha em cinco épocas.

Depois troque para **XOR** e rode até parar. Ele para porque bateu no teto de 60 épocas, não porque acertou: ficam 2 erros de 4, e os pesos continuam se mexendo para sempre.

> ### E agora a parte que o autor deste livro queria que você visse
>
> Troque **"Quantas entradas o neurônio tem"** para **4 entradas**. O plano some, e some por um motivo honesto: quatro entradas não cabem numa folha de papel. O que aparece no lugar são as barras dos pesos.
>
> Rode até parar. Ele **converge em 10 épocas, com zero erros de 16 casos**.
>
> Guarde esta assimetria, porque ela vale para o livro inteiro: **perdemos a figura, não o método**. A regra é a mesma, os pesos são os mesmos, o erro continua sendo um número que se calcula. O que acabou foi a nossa capacidade de olhar — e confundir "não consigo desenhar" com "não consigo verificar" é um dos erros mais caros que existem em aprendizado de máquina. Daqui em diante, quase tudo neste livro acontece em dimensões que você nunca vai ver.
:::

## A regra escrita, e de quem é a culpa

Os dois laboratórios acima mostram a fronteira se mexendo. Falta ver a conta que a move. São quatro linhas, e a quarta é a única que tem alguma ideia dentro.

**A soma ponderada.** Cada entrada entra pesada pelo seu peso:

$$S = w_1x_1 + w_2x_2$$

**A saída.** O degrau compara a soma com o limiar:

$$\hat{y} = \begin{cases} 1 & \text{se } S \ge \theta \\ 0 & \text{se } S < \theta \end{cases}$$

**O erro.** O que faltou, com sinal. Só pode dar três valores:

$$e = y - \hat{y} \in \{-1,\; 0,\; +1\}$$

**O ajuste.** A regra de Rosenblatt inteira:

$$\Delta w_i = \eta \cdot e \cdot x_i \qquad\qquad w_i \leftarrow w_i + \Delta w_i$$

Leia a quarta devagar, porque ela responde uma pergunta que parece difícil: *errou, mas de quem é a culpa?* Quem responde é o $x_i$. **A entrada pondera o erro:** cada peso é corrigido na medida em que a entrada dele participou da soma. Se $x_i = 0$, aquele peso não contribuiu para o resultado e não é tocado, mesmo com o erro valendo 1. Se $e = 0$, ninguém é tocado, porque acertar não é motivo para mexer em nada.

É a atribuição de culpa mais barata que se pode imaginar, e ela converge. O problema de decidir **qual peso corrigir** tem nome, *credit assignment*, e é o obstáculo que reaparece no [capítulo III.2](iii-2-redes-neurais.md) numa versão muito mais difícil, quando houver uma camada escondida e ninguém souber o que cada unidade deveria ter feito.

### A tabela, à mão

Partida **aleatória**: $w_1 = -0{,}2$ e $w_2 = 0{,}4$. Limiar $\theta = 0{,}5$ fixo, taxa $\eta = 0{,}5$, alvo **OU**. Os pesos de cada linha são os de **antes** do ajuste daquela linha.

| ép | x₁ | w₁ | x₂ | w₂ | soma | θ | esperado | saída | erro | Δw₁ | Δw₂ |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 0 | −0,2 | 0 | 0,4 | 0,0 | 0,5 | 0 | 0 | 0 | 0 | 0 |
| 1 | 0 | −0,2 | 1 | 0,4 | 0,4 | 0,5 | 1 | 0 | +1 | 0 | +0,5 |
| 1 | 1 | −0,2 | 0 | 0,9 | −0,2 | 0,5 | 1 | 0 | +1 | +0,5 | 0 |
| 1 | 1 | 0,3 | 1 | 0,9 | 1,2 | 0,5 | 1 | 1 | 0 | 0 | 0 |
| 2 | 0 | 0,3 | 0 | 0,9 | 0,0 | 0,5 | 0 | 0 | 0 | 0 | 0 |
| 2 | 0 | 0,3 | 1 | 0,9 | 0,9 | 0,5 | 1 | 1 | 0 | 0 | 0 |
| 2 | 1 | 0,3 | 0 | 0,9 | 0,3 | 0,5 | 1 | 0 | +1 | +0,5 | 0 |
| 2 | 1 | 0,8 | 1 | 0,9 | 1,7 | 0,5 | 1 | 1 | 0 | 0 | 0 |
| 3 | 0 | 0,8 | 0 | 0,9 | 0,0 | 0,5 | 0 | 0 | 0 | 0 | 0 |
| 3 | 0 | 0,8 | 1 | 0,9 | 0,9 | 0,5 | 1 | 1 | 0 | 0 | 0 |
| 3 | 1 | 0,8 | 0 | 0,9 | 0,8 | 0,5 | 1 | 1 | 0 | 0 | 0 |
| 3 | 1 | 0,8 | 1 | 0,9 | 1,7 | 0,5 | 1 | 1 | 0 | 0 | 0 |

A terceira época inteira passa sem um único erro, e é isso que significa convergir: não é "acertou uma vez", é **uma varredura completa sem correção**. Pesos finais $w_1 = 0{,}8$ e $w_2 = 0{,}9$, com $\theta = 0{,}5$.

Três coisas para reparar, e a primeira é a que ensina.

**A terceira linha da primeira época.** Erro de $+1$, e mesmo assim $\Delta w_2 = 0$, porque naquele caso $x_2 = 0$. A rede errou, e $w_2$ não teve parte nisso. Corrigir os dois pesos igualmente, que é o gesto intuitivo, estragaria o caso $(0,1)$ que já estava certo.

**O caso $(0,0)$ não move nada, e nunca poderá.** Com as duas entradas em zero, $\Delta w_1 = \Delta w_2 = 0$ qualquer que seja o erro. Para o OU isso não incomoda, porque a soma dá 0 e $0 < 0{,}5$ já entrega a resposta certa. Mas se a função pedisse **1** em $(0,0)$, este neurônio nunca aprenderia, e não por falta de épocas: não existe peso capaz de mexer naquela linha. Quem resolve é o **viés**, uma entrada fixa em 1 que participa de todas as linhas.

**O erro só assume três valores.** É o degrau: o perceptron sabe *se* errou e para que lado, nunca *quanto*. Isso o torna barato e é o que garante a convergência, mas é também o que impede de treinar uma rede com camada escondida. Sem "quanto" não há gradiente para propagar, e é por isso que a sigmoide toma o lugar do degrau no próximo capítulo.

:::lab {"id":"neuronio-artificial-l5","tipo":"perceptron-tabela","titulo":"A mesma tabela, com a sua partida","taxa":0.5,"w1":-0.2,"w2":0.4,"theta":0.5}
A tabela acima é uma partida entre infinitas. Aqui você escolhe a sua: mude a taxa, os pesos iniciais e o limiar, ou aperte **"Sortear pesos"** e aceite o que vier. A tabela é recalculada inteira, e o placar responde a única pergunta que importa: **em quantas épocas convergiu.**

Faça três medições antes de seguir. Primeiro, baixe a taxa para **0,1** sem mexer no resto e conte as épocas. Depois suba para **1** e conte de novo. Por último, ponha os dois pesos iniciais em **0,9** com a taxa em 0,5, e repare no número que aparece.

Depois troque o alvo para **XOR** e veja o placar dizer que parou pelo teto, e não por acerto.
:::

:::exercicio {"id":"neuronio-artificial-e13","tipo":"numerica","objetivo":"O2","dificuldade":"facil"}
No laboratório acima, mantenha $w_1 = -0{,}2$, $w_2 = 0{,}4$, $\theta = 0{,}5$ e o alvo **OU**, e troque apenas a taxa para $\eta = 0{,}1$.

Em quantas épocas o perceptron converge?
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e14","tipo":"multipla","objetivo":"O2","dificuldade":"media"}
Na terceira linha da primeira época da tabela, o erro vale $+1$ e mesmo assim $\Delta w_2 = 0$. Por quê?

- [ ] Porque $w_2$ já estava no valor correto, e a regra detecta isso.
- [ ] Porque naquele caso a entrada $x_2$ vale 0, e o ajuste é a taxa vezes o erro vezes essa entrada.
- [ ] Porque a regra só corrige um peso por vez, alternando entre eles.
- [ ] Porque o ajuste ficou pequeno demais e foi arredondado para zero.
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e15","tipo":"multipla","objetivo":"O2","dificuldade":"dificil"}
No laboratório, ponha $w_1 = 0{,}9$ e $w_2 = 0{,}9$, com $\eta = 0{,}5$, $\theta = 0{,}5$ e alvo **OU**. Ele converge em **1 época**. O que esse número mede?

- [ ] Que o OU é um problema mais fácil do que aparentava nas outras partidas.
- [ ] Que 0,5 é a taxa ótima para este problema.
- [ ] Que a partida já resolvia o OU, então a primeira varredura não achou erro e não corrigiu nada.
- [ ] Que pesos iguais entre si aceleram a convergência do perceptron.
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

## Por que o XOR é impossível

Não é falta de habilidade nem de paciência. É geometria.

O XOR dispara em (0,1) e (1,0), e não dispara em (0,0) e (1,1). Coloque os quatro pontos num quadrado: os que devem disparar estão em **cantos opostos**, e os que não devem também.

Uma reta divide o plano em dois lados. Para resolver o XOR ela precisaria deixar dois cantos opostos de um lado e os outros dois do outro — e **nenhuma reta faz isso**. Não importa quanto você gire ou translade: qualquer reta que separe (0,1) de (0,0) e (1,1) vai deixar (1,0) do lado errado.

O nome técnico é **separabilidade linear**. AND, OR, NAND e NOR são linearmente separáveis; XOR não é. E um neurônio de McCulloch–Pitts, ou um perceptron, ou uma regressão logística, traça **exatamente uma reta**.

> É a mesma limitação que o [capítulo II.5](ii-5-arvores-ensembles.md) mediu com outro vocabulário: naquele experimento, o modelo linear ficou em 0,4963 de AUC, ou seja, acaso, porque a fronteira verdadeira era não-monotônica. Aqui você vê a razão em quatro pontos, em vez de numa tabela de resultados.

:::exercicio {"id":"neuronio-artificial-e1","tipo":"multipla","objetivo":"O3","dificuldade":"media"}
Por que um único neurônio de McCulloch–Pitts não consegue implementar o XOR?

- [ ] Porque o XOR exige pesos negativos, e o modelo só admite pesos positivos.
- [ ] Porque os casos que devem disparar estão em cantos opostos do quadrado, e nenhuma reta separa cantos opostos.
- [ ] Porque o XOR tem três entradas, e o neurônio só aceita duas.
- [ ] Porque o limiar teria de ser fracionário, o que o modelo original não permitia.

> **volte para:** #por-que-o-xor-e-impossivel
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e9","tipo":"multipla-multi","objetivo":"O3","dificuldade":"facil"}
Quais funções lógicas de duas entradas são linearmente separáveis? (marque todas que valem)

- [ ] AND
- [ ] OR
- [ ] NAND
- [ ] NOR
- [ ] XOR

> **volte para:** #por-que-o-xor-e-impossivel
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e10","tipo":"multipla","objetivo":"O3","dificuldade":"dificil"}
Um estudante propõe: "se o problema é que a reta é reta, basta trocar o limiar por uma sigmoide, que a fronteira fica curva e o XOR sai". Onde está o erro?

- [ ] Em nada: a sigmoide de fato curva a fronteira e resolve o XOR.
- [ ] A sigmoide curva a leitura, não a separação: a fronteira de decisão continua sendo $w \cdot x + b = 0$, que é uma reta.
- [ ] A sigmoide não é diferenciável, então não pode substituir o limiar.
- [ ] O erro é usar duas entradas, quando o XOR precisa de três.

> **volte para:** #por-que-o-xor-e-impossivel
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e2","tipo":"multipla","objetivo":"O4","dificuldade":"media"}
O que, historicamente, destravou a limitação demonstrada em *Perceptrons* (1969)?

- [ ] Computadores mais rápidos, que permitiram testar mais pesos.
- [ ] O abandono do modelo de neurônio de McCulloch–Pitts.
- [ ] Empilhar camadas — e uma forma prática de treiná-las, o backpropagation.
- [ ] A substituição do limiar por uma função de ativação contínua.

> **volte para:** #a-linha-ate-1986-e-o-que-ela-ensina-sobre-credito
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e11","tipo":"multipla","objetivo":"O4","dificuldade":"facil"}
Qual frase resume o padrão de crédito que este capítulo e o [II.2](ii-2-modelos-lineares.md) documentam juntos?

- [ ] Quem descobre primeiro leva o crédito, desde que registre a data.
- [ ] Crédito não segue descoberta, segue comunicação.
- [ ] O crédito é sempre disputado, e não há padrão discernível.
- [ ] Quem publica em inglês leva o crédito, e o idioma é a única variável.

> **volte para:** #a-linha-ate-1986-e-o-que-ela-ensina-sobre-credito
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e12","tipo":"multipla","objetivo":"O4","dificuldade":"dificil"}
Sobre a afirmação "um italiano desenvolveu o backpropagation em 1979", o capítulo registra o selo ❌. O que isso significa, e por que a escolha é essa?

- [ ] Que a afirmação foi verificada e é comprovadamente falsa.
- [ ] Que ela foi procurada e não foi encontrada fonte, e o livro registra a dúvida em vez de escolher uma versão.
- [ ] Que a afirmação é irrelevante e por isso não foi investigada.
- [ ] Que a fonte existe mas está em italiano, e ainda não foi traduzida.

> **volte para:** #a-linha-ate-1986-e-o-que-ela-ensina-sobre-credito
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e3","tipo":"numerica","objetivo":"O2","dificuldade":"facil"}
Você quer construir a função **OU (OR)** com pesos `w₁ = 1` e `w₂ = 1`.

Qual é o **maior** valor inteiro de limiar `θ` que faz o neurônio funcionar corretamente?

> **volte para:** #mao-na-massa-encontre-os-pesos-voce-mesmo
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e5","tipo":"numerica","objetivo":"O2","dificuldade":"media"}
Você quer construir a função **NÃO-E (NAND)**, que dispara em (0,0), (0,1) e (1,0), e **não** dispara em (1,1). Use `w₁ = −1` e `w₂ = −1`.

Qual é o **menor** valor inteiro de limiar `θ` que faz o neurônio funcionar corretamente?

> **volte para:** #mao-na-massa-encontre-os-pesos-voce-mesmo
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e6","tipo":"multipla","objetivo":"O2","dificuldade":"dificil"}
No laboratório, três configurações resolvem o AND: (1; 1; 2), (0,6; 0,6; 1) e (3; 2; 4,5). O que essa multiplicidade indica?

- [ ] Que o laboratório aceita respostas erradas, e só a primeira é a canônica.
- [ ] Que infinitas retas separam aqueles quatro pontos, e isso é a natureza do problema, não defeito.
- [ ] Que o modelo precisa de regularização para ter solução única.
- [ ] Que as três configurações produzem fronteiras idênticas, apenas escritas de forma diferente.

> **volte para:** #o-que-voce-deveria-ter-notado
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e4","tipo":"aberta","objetivo":"O1","pontos":3,"dificuldade":"media"}
Explique, para alguém que nunca viu redes neurais, **o que um neurônio artificial faz** — e diga em que ele se parece e em que ele **não** se parece com um neurônio biológico.

> **volte para:** #o-problema-pode-uma-maquina-pensar-em-logica
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e7","tipo":"multipla","objetivo":"O1","dificuldade":"facil"}
O que exatamente um neurônio de McCulloch–Pitts computa?

- [ ] Uma soma ponderada das entradas, comparada a um limiar, com saída tudo-ou-nada.
- [ ] A média das entradas, com saída contínua entre 0 e 1.
- [ ] A correlação entre as entradas e a saída desejada.
- [ ] Uma simulação da química sináptica de um neurônio real.

> **volte para:** #o-problema-pode-uma-maquina-pensar-em-logica
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::

:::exercicio {"id":"neuronio-artificial-e8","tipo":"multipla","objetivo":"O1","dificuldade":"dificil"}
O neurônio de 1943 não tinha aprendizado: os pesos eram escolhidos à mão. Como o capítulo lê esse fato?

- [ ] Como um defeito do modelo, corrigido em 1958 pelo perceptron.
- [ ] Como consequência da restrição material da época, e como sinal de que o valor do modelo estava em permitir **provar** o que uma rede de neurônios poderia computar.
- [ ] Como prova de que McCulloch e Pitts não entendiam de aprendizado.
- [ ] Como uma escolha arbitrária, sem consequência para o que veio depois.

> **volte para:** #de-onde-isto-veio
> _Gabarito, explicação e rubrica não vão neste arquivo. Quem corrige é o servidor, e a explicação completa é o que a segunda tentativa paga._
:::


## A saída, montada à mão: dois neurônios

O XOR é impossível **para um neurônio**. As três últimas palavras são a parte que todo mundo esquece de repetir.

Um neurônio traça uma reta. O XOR precisa de duas. Então use dois neurônios.

:::lab {"id":"neuronio-artificial-l4","tipo":"circuito-neuronios","titulo":"Monte o XOR com dois neurônios e um terceiro por cima"}
Três neurônios de McCulloch–Pitts, com os pesos que você já viu no primeiro laboratório. Os dois de baixo, **A** e **B**, recebem `x₁` e `x₂`. O de cima recebe **as saídas de A e B** — e é só isso que muda.

Sua tarefa: escolher que porta cada um dos três implementa, até que a coluna "saída" fique igual à coluna "XOR" nas quatro linhas.

Vale tentar antes de ler a próxima frase. Se quiser uma pista: pense em **o que o XOR quer dizer em palavras** — "um ou outro, mas não os dois". Essa frase tem duas metades, e cada metade é uma porta que você já sabe construir.

A resposta é **A = OU**, **B = NÃO-E**, **saída = E**. "Pelo menos um" *e* "não os dois".

> **Repare no que aconteceu, porque é a tese da Parte III inteira.** Nenhum dos três neurônios é diferente do que você usou na primeira página deste capítulo. Nenhum aprendeu nada: você escolheu as portas na mão. O que mudou foi **a composição** — a saída de dois neurônios virou a entrada de um terceiro.
>
> E o ganho é exatamente o que faltava: com duas retas em vez de uma, o plano deixa de ser cortado ao meio e passa a ser cortado em faixas. O XOR mora numa faixa.
>
> **O que este laboratório não faz é achar as portas sozinho.** Você as escolheu porque sabia o que queria. Ninguém sabe qual porta pôr num circuito de dez mil neurônios, e é por isso que o [capítulo III.2](iii-2-redes-neurais.md) existe: ele mantém a composição que você acabou de montar e troca a sua escolha por um método. A camada escondida do capítulo seguinte é este A e este B, com os pesos aprendidos em vez de escolhidos.
:::

## Mão na massa: rode o código

Além do laboratório, o capítulo tem código Python que você pode **baixar e rodar** — sem instalar nada, nem NumPy.

| O quê | Como usar |
|---|---|
| **Notebook no Colab** | [abrir direto no Google Colab](https://colab.research.google.com/github/GHDaru/machinelearning/blob/main/ml-zero/etapa-18/neuronio_mp.ipynb) — não precisa instalar nada |
| **Script** | [`ml-zero/etapa-18/neuronio.py`](https://github.com/GHDaru/machinelearning/blob/main/ml-zero/etapa-18/neuronio.py) — `python neuronio.py` |

O notebook tem três partes, e a terceira é a que fecha o capítulo:

1. **Você põe os pesos à mão** — a célula tem `w1, w2, theta = 0.0, 0.0, 0.0` e um comentário `<-- MEXA AQUI`.
2. **O perceptron acha os pesos sozinho** — a regra de Rosenblatt em oito linhas, convergindo em poucas épocas para AND, OR, NAND e NOR.
3. **O XOR por força bruta.** Em vez de argumentar, o notebook **testa 15.625 combinações** de pesos e limiar numa grade fina. O melhor resultado que aparece é **3 de 4**. Nunca 4.

Esse último ponto é o que transforma "é impossível" de afirmação em resultado. E há um detalhe no caminho: treinando o perceptron no XOR, o número de erros por época **nem diminui**, ele oscila. O perceptron não se aproxima da solução, porque não há solução de que se aproximar. É o sintoma do impossível, não do difícil.

## Síntese — o que levar

- O neurônio de McCulloch–Pitts (1943) faz **uma soma ponderada e uma comparação com um limiar**. Nada mais.
- No modelo original **não há aprendizado**: os pesos são postos à mão. Aprender pesos é o perceptron, de 1958.
- Encontrar pesos à mão é fazer manualmente o que o gradiente faz sozinho: mover a fronteira até os erros acabarem.
- Há **infinitas** soluções para cada função separável — e **nenhuma** para o XOR, por geometria.
- A limitação era da **arquitetura de uma camada**, não do neurônio. A saída foi empilhar camadas e treiná-las com backpropagation.
- O neurônio artificial (1943) é **doze anos mais velho que o termo "inteligência artificial"** (1955) — e a ideia de Turing sobre máquinas pensantes está no relatório de **1948**, não no artigo famoso de 1950.
- O backpropagation foi descrito em **1970** (Linnainmaa), aplicado a redes em **1981** (Werbos) e popularizado em **1986**. A leitura deste livro: o crédito vai ao último reinventor.

## Verificação

1. Sem olhar o laboratório, dê pesos e limiar que implementem o NÃO-E (NAND). Depois confira.
2. Explique a alguém, em duas frases, por que o XOR é impossível para um neurônio só.
3. Se uma segunda camada resolve o XOR, por que a área levou quase vinte anos para usá-la?
4. O termo "inteligência artificial" é de 1955 e o neurônio artificial é de 1943. O que isso diz sobre como campos científicos se formam?

## Referências deste capítulo

Toda fonte citada acima, reunida num lugar só, com o selo que diz **até onde ela foi conferida**. A legenda completa está no [Guia Editorial](../GUIA-EDITORIAL.md); em resumo: ✓ a fonte foi aberta e lida · ✓ᵐ só os metadados foram conferidos, e o texto não foi lido por inteiro · ⏳ atribuição corrente, ainda sem conferência em primária · ❌ procurei e não achei.

| Selo | Referência | O que ela sustenta aqui |
|---|---|---|
| ✓ᵐ | **McCulloch, W. S., & Pitts, W. (1943).** A logical calculus of the ideas immanent in nervous activity. *Bulletin of Mathematical Biophysics*, 5, 115–133. [doi:10.1007/BF02478259](https://doi.org/10.1007/BF02478259) | O modelo de neurônio que abre o capítulo e que o laboratório implementa |
| ⏳ | **Hebb, D. O. (1949).** *The Organization of Behavior*. [registro](https://psycnet.apa.org/record/1950-02200-000) | A primeira ideia de que um peso poderia mudar com a experiência |
| ✓ᵐ | **Rosenblatt, F. (1958).** The perceptron: a probabilistic model for information storage and organization in the brain. *Psychological Review*, 65(6), 386–408. [doi:10.1037/h0042519](https://doi.org/10.1037/h0042519) | A regra de aprendizado da seção "A regra escrita", e a prova de convergência para problemas separáveis |
| ✓ᵐ | **Minsky, M., & Papert, S. (1969).** *Perceptrons*. [MIT Press](https://mitpress.mit.edu/9780262534772/perceptrons/) | A demonstração de que uma camada não computa o XOR |
| ✓ | **Schmidhuber, J. (2014).** *Deep Learning in Neural Networks: An Overview*. [arXiv:1404.7828](https://arxiv.org/abs/1404.7828) — **lido** | Toda a cronologia de prioridade do backpropagation: 1970, 1974 e 1981. É a fonte das três linhas da tabela que antes apareciam sem fonte nenhuma |
| ✓ᵐ | **Linnainmaa, S. (1970).** *Algoritmin kumulatiivinen pyöristysvirhe…* Dissertação de mestrado, Universidade de Helsinque | A prioridade de 1970. O selo é ✓ᵐ porque quem sustenta a língua finlandesa é a ficha da dissertação, não o levantamento |
| ⏳ | **Werbos, P. (1974).** *Beyond Regression*. Tese de doutorado, Harvard | A discussão preliminar de 1974 — **não** a primeira aplicação a redes, que é de 1981 |
| ✓ᵐ | **Fukushima, K. (1980).** Neocognitron. *Biological Cybernetics*, 36, 193–202. [doi:10.1007/BF00344251](https://doi.org/10.1007/BF00344251) | A arquitetura hierárquica de 1979/80, treinada **sem** backpropagation |
| ✓ᵐ | **Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986).** Learning representations by back-propagating errors. *Nature*, 323, 533–536. [doi:10.1038/323533a0](https://doi.org/10.1038/323533a0) | A popularização do backpropagation, que fecha a linha do tempo |
| ⏳ | **Turing, A. (1948).** [*Intelligent Machinery*](https://weightagnostic.github.io/papers/turing1948.pdf), National Physical Laboratory | O jogo da imitação em forma restrita. O que está com ⏳ é a data de publicação (1968), não o documento |
| ✓ᵐ | **Turing, A. (1950).** Computing Machinery and Intelligence. *Mind*, LIX(236). [doi:10.1093/mind/LIX.236.433](https://doi.org/10.1093/mind/LIX.236.433) | A exposição completa do teste de Turing |
| ✓ᵐ | **McCarthy, Minsky, Rochester & Shannon (31/08/1955).** [Proposta do projeto de Dartmouth](https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html) | A data em que "artificial intelligence" aparece pela primeira vez |
| ❌ | *"Um italiano desenvolveu o backpropagation em 1979"* | **Nada.** Procurei e não achei fonte. A linha fica registrada para que a busca não seja refeita do zero, e para que a ausência apareça no mesmo lugar que as presenças |

## Errata

O que este capítulo **já afirmou e teve de corrigir**. Fica no fim, e não no meio do texto, porque é registro de manutenção e não conteúdo de aula — mas fica, porque um livro que corrige em silêncio pede confiança em vez de merecê-la.

| Quando | O que estava escrito | O que está agora |
|---|---|---|
| 2026-08-13 | A tabela dava **1974** como o ano de "aplicar aquilo a redes neurais" | A fonte separa as duas coisas: 1974 traz **discussão preliminar**, e a primeira aplicação a redes é de **1981**. A tabela ganhou a linha que faltava |
| 2026-08-13 | A formulação *"o crédito fica com quem reinventa por último"* aparecia **atribuída a Schmidhuber**, como se fosse frase dele | A formulação é **deste livro**. Não a localizei no levantamento; o que ele declara é o propósito de *"assign credit"*. O selo virou 📖 |
| 2026-08-13 | O capítulo dizia **três vezes** que o neurônio artificial é "treze anos mais velho" que o termo *inteligência artificial* | A tabela do próprio capítulo data o termo em **31/08/1955** e o neurônio em **1943**: são **doze**. O treze só fecharia com o workshop de 1956, que não é o que a tabela diz |
| 2026-08-14 | As linhas de **1970, 1974 e 1981** apareciam com a coluna *Fonte* preenchida com um travessão, o que se lê como "sem fonte" | Elas sempre tiveram fonte — o levantamento de Schmidhuber, lido e registrado com ✓ na procedência. A coluna passou a mostrá-la |
| 2026-08-14 | A citação de McCulloch & Pitts no corpo trazia o selo **✓** (fonte lida), enquanto a tabela de procedência dizia **✓ᵐ** (só metadados) | Vale o ✓ᵐ. O artigo não foi lido por inteiro, e o selo do corpo passou a dizer isso |
| 2026-08-18 | A caixa sobre "um italiano em 1979" dizia que **em 1979 existem as publicações de Werbos** | A linha do tempo do próprio capítulo, cinco linhas acima, dá Werbos em **1974** e **1981**, e ancora em 1979 só o neocognitron de Fukushima. A caixa que cobra rigor de data errava a data — corrigida para dizer o que a tabela sustenta |