パーセプトロンとは
パーセプトロン（Perceptron）は、1958年にアメリカの心理学者フランク・ローゼンブラットが考案した、最も初期の人工ニューラルネットワークモデルです。生物の神経細胞の仕組みを模倣し、入力信号に重みを掛けて足し合わせ、閾値を超えれば出力するという単純な構造を持っています。
| ひとことで言うと | 1958年に考案された、ニューラルネットワークの原型となるモデル。 |
|---|---|
| 何ができたか | 直線で分けられる問題は学習できた。だが単層ではXOR問題が解けなかった。 |
| その後 | 多層化と誤差逆伝播法の登場で限界が克服され、現在の深層学習につながった。 |
初期の興奮
パーセプトロンの発表は大きな注目を集めました。ローゼンブラットは「Mark I パーセプトロン」というハードウェアを開発し、画像認識の実験を行いました。ニューヨーク・タイムズは「海軍が歩き、話し、見ることができる電子コンピュータの元型を公開」と報じ、過度な期待が煽られました。
1単層パーセプトロン直線でしか分けられない
▶
2XOR問題で行き詰まる限界が明らかに
▶
3多層化する層を重ねれば解ける
▶
4誤差逆伝播法多層でも学習可能に
▶
5深層学習へ現在のAIの土台
限界の指摘と冬の時代
1969年、マービン・ミンスキーとシーモア・パパートは著書『パーセプトロンズ』で、単層パーセプトロンが排他的論理和（XOR）のような単純な非線形問題さえ解けないことを数学的に証明しました。この指摘はニューラルネットワーク研究全体に冷や水を浴びせ、研究資金の削減と研究者離れを引き起こしました。
歴史的意義
皮肉なことに、ミンスキーらの指摘は多層パーセプトロン（MLP）では克服可能でしたが、当時は効率的な学習法がありませんでした。後にバックプロパゲーションが普及し、多層ネットワークの学習が可能になったことで、パーセプトロンの理念は復活します。パーセプトロンは現代ディープラーニングの出発点として、AI史において不朽の位置を占めています。