では、今回は人間の脳の神経構造を模した、ニューラルネットワークの走り、パーセプトロンについて話して行こう。

 

これは、1958年にRosenblattにより提案された、階層型のネットワークだ。

 

モデルとしては、以下のようなものになる。

ダウンロード

 

数学的なモデルを数式を用いて話して行くのが今回の歴史シリーズの目的ではないので、ざっくりと説明する。

 

パーセプトロンとは、なにかの入力に対して、最後のニューロンがどういう反応をすべきか教えると、自動でその重みを調整してくれるしくみとなっている。

 

いわゆる教師あり学習モデルの一つで、こちらが与えた正解(最後にどのようにニューロンが反応すべきか)を教師として与えて、入力からその正解を得るために丁度良い重みを得ていくという学習モデルだ。

 

この単純な仕組みでも、ある入力に対してニューロンがどのような反応をするべきか学習させることが出来た。

 

さらに、未知の入力に対して、どういう振る舞いをすべきか予測を出力することも出来た。
なので、このパーセプトロンは、今後に大きな期待を寄せられることとなったわけだ。

 

だが、MinskyとPappertの著書、「Perceptron」で、パーセプトロンが線形分離可能問題しか解決できないという証明がなされてしまう。

 

単なる線形回帰や線形判別は、そもそも当たり前にできること。その当たり前を自動化したにすぎないということが分かり、パーセプトロンへの期待が冷めていくこととなった。

 

この後、バックプロパゲーションというアイディアの登場や、計算能力の向上によるディープニューラルネットワークの実装可能化によってまたニューラルネットワークは注目の的となるのだが、それはまた後のお話し。

 

ここで、時代は人工知能の達成方法そのものを再研究しにいくこととなる。

 

今までのアプローチは、「脳の模倣」であった。

 

それが一度頓挫したことにより、新しいアプローチとして登場したのが、「記号処理」というアプローチだ。

 

次回は、この「記号処理」について話して行きたい。

ランキングポチは必ず頼むぞ。読み逃げは厳禁だ。

人気ブログランキングへ
にほんブログ村 為替ブログへ
にほんブログ村

売買ルールを手に入れたいなら、、、
動画講座はこちら
売買ルールの実践練習に、、、
チャートブックはこちら