ルールを書く以外の道
画像の特徴を数値にし、それぞれに重みを付けて足し合わせ、しきい値で二つのクラスに分ける。パーセプトロンは、こうした簡単な計算を使う学習モデルです。
判断の境界を最初から人が決めきる代わりに、正解を付けた例と判断の誤りを利用して重みを変えます。「学ぶ」という言葉が、計算のどこに対応しているかが見えます。
出典：Perceptron — AI for Beginners ／ Multi-Layered Perceptron — AI for Beginners
左右の印を分類した実演と、Mark Iの装置
Cornellの2019年の回顧記事によると、1958年7月の実演ではIBM 704にカードを与え、印が左にあるか右にあるかを区別させました。記事は50回の試行を経たと記しています。これは大学の後年の記録に基づく紹介です。
掲載画像は、その実演のコンピューターとは別に、Mark I Perceptronの操作マニュアルのFig.2として残された装置資料です。カメラを備えた実機の構成を見ることができます。
出典：Professor’s perceptron paved the way for AI — 60 years too soon ／ Mark I Perceptron — 操作マニュアルのFig.2（Commons収録）
資料を見て読む
画像を原寸で開く 1960年2月15日付の操作マニュアルのFig.2としてCommonsが収録した画像。CAMERA、RESPONSE PANEL、ASSOCIATION UNITSなどの注記を残しています。1958年のIBM 704による実演とは別の装置資料です。
John C. Hay, Albert E. Murray / Cornell Aeronautical Laboratory · 装置資料を読み解くための引用。著作者は原資料の記載による。 · 取得した原ファイルのまま。表示時のみ縮小。切り抜き・色変更なし。 · 画像の出典
装置写真の注記をたどる
左側の「CAMERA」は入力を取り込む部分、右上の「RESPONSE PANEL」は応答を示す部分です。「ASSOCIATION UNITS」や接続用パネルの注記を追うと、入力、内部の処理、出力が物理的にも分かれた装置として作られていたことを読み取れます。
この図自体が、あらゆる写真を理解できた証拠になるわけではありません。元の操作マニュアルの全文は今回取得していないため、この節ではCommonsに収録された図と、その来歴の記載に範囲を絞っています。
層を増やすと、何が変わる？
一層の線形な境界では分けられない並びもあります。多層ネットワークでは非線形の変換を間に入れ、表現を段階的に変えます。層を増やすことと、途中で非線形に変換することの両方に役割があります。
出力の誤りが各パラメータへどう関係するかを、計算のつながりを逆向きに追って求めるのが誤差逆伝播です。これは微分を計算する方法で、得た勾配をどう使って更新するかという最適化の手順と区別できます。
出典：Perceptron — AI for Beginners ／ Multi-Layered Perceptron — AI for Beginners
初期の発想から、深いネットワークへ
学習できる形の範囲と、手元の例に合わせられることは別の問題です。訓練に使わなかった例で確かめなければ、まだ見ていない入力にも役立つかは分かりません。
後のAlexNetを読むと、表現を作る層、学習を進める工夫、計算機、データが一緒に登場します。現代の性能を、初期の一つの発明だけへ帰すのではなく、積み重ねとして見る入口になります。
出典：Perceptron — AI for Beginners ／ Multi-Layered Perceptron — AI for Beginners
出典をたどる
本文は資料をもとにした日本語の解説です。引用画像は個別に出典を表示しています。研究の結果と現在の製品の提供条件は区別して読んでください。
- 教育資料Perceptron — AI for Beginners Microsoft / AI for Beginners contributors · 1950年代 · 扱う研究の時代。資料は現代の教育用解説。
読む場所：Perceptron Model; Training the Perceptron
重み付き入力、二値分類、誤りを使う学習。写真・当時の性能値の根拠には使用しない。
資料確認 2026-10-29 - 教育資料Multi-Layered Perceptron — AI for Beginners Microsoft / AI for Beginners contributors · 資料自体の発行年は記載せず · 資料は現代の教育用解説。
読む場所：Multi-Layered Perceptrons and Backpropagation
非線形変換、多層化、連鎖律による勾配の計算。発明者や優先権の根拠には使用しない。
資料確認 2026-10-29 - 研究機関・大学・企業の回顧Professor’s perceptron paved the way for AI — 60 years too soon Melanie Lefkowitz / Cornell Chronicle · 2019-09-25 · 1958年の実演を取材・資料から振り返った大学記事の公開日。
読む場所：冒頭の1958年7月の実演、Techies, nut cases and nerds
IBM 704で左右の印を分類した実演と、後のMark I実機の区別。本記事から研究の優先権やAIの冬の単一原因を断定しない。
資料確認 2026-10-29 - 画像の来歴・利用条件Mark I Perceptron — 操作マニュアルのFig.2（Commons収録） Wikimedia Commons（各著作者の画像と来歴） · 1960-02-15 · 写真の撮影年代、または画像が収録された原資料の日付。Commonsへのアップロード日ではありません。
読む場所：Summary / Licensing / File history（固定した説明ページの版）
画像の対象、撮影者または原資料著者、日付、権利表示。装置の性能の根拠にはしない。
資料確認 2026-10-29