パーセプトロン（Perceptron）

パーセプトロン（Perceptron）とは、1950年代にアメリカの心理学者フランク・ローゼンブラット（Frank Rosenblatt）によって提案された、最も基本的な人工ニューロンモデルのひとつです。 これは、複数の入力信号を受け取り、重み付きの合計を計算し、ある閾値を超えた場合に「1」、そうでない場合に「0」を出力する単純な二値分類器です。 パーセプトロンの基本的な構造： • 入力層：複数の特徴量（x₁, x₂, ..., xₙ）を受け取る • 重み（w₁, w₂, ..., wₙ）：各入力にかけられる係数 • バイアス（bias）：出力を調整する定数項 • 活性化関数（通常はステップ関数）：出力が1か0かを決定 このシンプルな構造により、線形分離可能な問題（直線で分けられる分類問題） を解くことが可能です。 しかしながら、パーセプトロンには「XOR問題を解けない」という大きな限界があり、1980年代初頭にはAI研究の冬の時代を迎える要因の一つとなりました。 その後、多層パーセプトロン（MLP: Multi-Layer Perceptron）や誤差逆伝播法（Backpropagation）の登場により、この問題は克服され、現在のディープラーニングの基礎が築かれました。 主な用途や意義： • 機械学習アルゴリズムの理論的な出発点 • 単純なパターン認識（例：スパムメールの分類など） • ニューラルネットワークの学習原理の理解に最適な教材 パーセプトロン自体は現代の複雑なAIモデルには使われないことが多いものの、ニューラルネットワークの歴史や仕組みを理解するうえで欠かせない概念となっています。