多層パーセプトロン【multilayer perceptron】MLP

概要

動物の脳は「ニューロン」（neuron）という神経細胞が集まってできている。ネットワーク状に相互に接続されたニューロン群が、外界からの刺激に基づいて相互に電気信号を送り合うことで、記憶や学習、発話、運動制御など様々な情報処理を実現している。

パーセプトロンとは

脳の働きを機械によって模倣しようとしたモデルの一つが「パーセプトロン」（perceptron）で、神経細胞を模したノードが層状に配置され、入力層のノードが外部からデータを受け取り、重み付けを行って下層のノードへ伝達する。出力層のノードは上位層からの情報を集約して一つの結論を外部に出力する。

このコンセプトは1957年にアメリカの情報科学者、フランク・ローゼンプラット（Frank Rosenblatt）が提唱した。当初はこれを専用の機械（ハードウェア）として実装することが構想され、入力層、中間層、出力層の3層の専用コンピュータ「Mark I Perceptron」が1958年に試作された。

多層パーセプトロン

初期には入力層と出力層の2層のみで構成された「単純パーセプトロン」（single-layer perceptron）が研究されたが、線形分離可能（直線で分けられるような分布）な分類問題しか解けないことが明らかになり、研究は下火となった。

非線形な問題を扱えるよう、入力層と出力層の間に隠れ層（中間層）を設けた多層パーセプトロンが提案された。しかし、コンピュータの性能や容量の制約や、効率的な学習方法が見出だせなかったことから研究は長期間停滞し、1990年代になり誤差逆伝播法が考案されたことで再び日の目を見ることとなった。

現代では多層パーセプトロンのことを「ニューラルネットワーク（NN：Neural Network）と呼ぶのが一般的で、「パーセプトロン」という名称は歴史的なものとなっている。2010年代には隠れ層を2層以上に増やした「ディープニューラルネットワーク」（DNN：Deep Neural Network）が飛躍的な性能向上を遂げ、今日の人工知能システムの有力な実装方式として普及している。