ニューラルネットワークは「人間の神経回路をまねる」という発想から生まれました。このキーワードでは、脳の仕組みがどのように数理モデル化され、ブームと挫折を経て現在のディープラーニングにつながったのか、その歴史の流れを押さえます。人名と年代が多く登場する、G検定の頻出ポイントです。
📖 ひと言でいうと
「人間の神経回路」とは、脳内で情報を処理する神経細胞（ニューロン）のネットワークのことで、AIの文脈ではこれを模倣した計算モデル＝ニューラルネットワークを指します。脳では無数のニューロンが電気信号をやり取りし、信号が一定の強さを超えると次のニューロンへ「発火」して情報が伝わります。この「信号を受け取り、足し合わせ、しきい値を超えたら次へ伝える」という働きを数式でまねたものが、ニューラルネットワークの出発点です。
🖼 1枚でわかる人間の神経回路
📘 公式テキストの説明
「人間の神経回路」とは、主にニューラルネットワークを指す。これは、人間の脳内で情報を処理する神経細胞（ニューロン）の構造と機能を模倣した計算モデルである。1943年にウォーレン・マカロックとウォルター・ピッツによって人間の神経細胞を数理モデル化した形式ニューロンが発表され、これを元に1958年に米国の心理学者フランク・ローゼンブラットが単純パーセプトロンというニューラルネットワークを発表。1960年代に爆発的なブームを起こすが人工知能学者のマービン・ミンスキーにより単純パーセプトロンの限界が示され、ニューラルネットワークの研究は下火になってしまうが、ニューラルネットワークを多層にし、誤差逆伝播法を使うことで克服された。
この説明は、ニューラルネットワークの歴史を4幕のドラマとして読むと頭に入ります。①誕生（1943年・形式ニューロン）、②ブーム（1958年・単純パーセプトロン）、③挫折（ミンスキーによる限界の指摘）、④復活（多層化と誤差逆伝播法）。登場人物は、マカロックとピッツ（数理モデル化）、ローゼンブラット（パーセプトロン）、ミンスキー（限界の指摘）の3組です。誰が何をしたかを取り違えないことが最重要です。
🔍 しっかり理解する
脳のニューロンをどう数式にしたのか
本物のニューロンは、他のニューロンから樹状突起で信号を受け取り、その合計が一定の強さ（しきい値）を超えると発火して、軸索を通じて次のニューロンへ信号を送ります。1943年にマカロックとピッツが発表した形式ニューロンは、この働きを「複数の入力にそれぞれ重みを掛けて足し合わせ、しきい値を超えたら1を、超えなければ0を出力する」という単純な数式で表現しました。厳密には実際の脳ははるかに複雑ですが、「重み付きの足し算としきい値判定」という骨格だけを取り出したことで、脳の情報処理を計算機で扱える道が開けたのです。
パーセプトロンのブームと挫折、そして復活
1958年、米国の心理学者ローゼンブラットは、形式ニューロンをもとに、データから重みを自動で調整して学習する単純パーセプトロンを発表しました。「機械が経験から学ぶ」という実証は衝撃的で、1960年代に爆発的なブームを起こします。しかし人工知能学者のマービン・ミンスキーが、単純パーセプトロンには原理的な限界があること——直線で分けられない（線形分離不可能な）パターンは学習できないこと——を数学的に示し、研究は一気に下火になりました。
この限界は後に、ニューロンの層を複数重ねる「多層化」と、出力の誤差を後ろの層から前の層へ順にさかのぼって重みを修正する「誤差逆伝播法（バックプロパゲーション）」の組み合わせによって克服されます。層を深くしたニューラルネットワークこそがディープラーニングであり、現在のAIブームはこの復活劇の延長線上にあります。
💡 具体例で考える
単純パーセプトロンの限界を象徴する具体例が「XOR（排他的論理和）問題」です。XORは「2つの入力のどちらか一方だけが1のとき1を出す」という単純なルールですが、これを平面上に描くと、1になる点と0になる点を1本の直線では分けられません。単純パーセプトロンは直線（線形）の境界しか引けないため、こんな簡単な問題すら学習できなかったのです。ところが層をひとつ増やした多層パーセプトロンなら、曲がった境界を表現できてXORを学習できます。「たった1問の反例が研究の冬を招き、多層化がそれを解いた」という流れは、このキーワードの核心を突く実例です。
⚠️ よくある誤解・紛らわしい用語
- 人物と業績の取り違え — 形式ニューロン＝マカロックとピッツ（1943年）、単純パーセプトロン＝ローゼンブラット（1958年）、限界の指摘＝ミンスキー。この対応の入れ替えが誤答選択肢の定番です。
- 「ニューラルネットワークは脳の完全な再現」は誤り — あくまで神経細胞の構造と機能を単純化して模倣した計算モデルであり、脳そのもののシミュレーションではありません。
- 「ミンスキーの指摘でニューラルネットワーク研究が終わった」は誤り — 下火にはなりましたが、多層化と誤差逆伝播法によって限界は克服され、ディープラーニングとして復活しました。
- 形式ニューロンと単純パーセプトロンの混同 — 形式ニューロンは神経細胞の数理モデル（学習の仕組みは持たない）、単純パーセプトロンはそれを土台に重みを学習できるようにしたネットワークです。
📝 試験でのポイント
- 「1943年・マカロックとピッツ・形式ニューロン」「1958年・ローゼンブラット・単純パーセプトロン」の年代と人名の組み合わせは最頻出です。
- ローゼンブラットの肩書きが「米国の心理学者」である点も、選択肢の細部として問われることがあります。
- 「単純パーセプトロンの限界を指摘した人物」としてミンスキーを選ばせる問題、およびその限界が「多層化＋誤差逆伝播法」で克服されたことを問う問題が想定されます。
- 出来事を時系列に並べ替える形式（形式ニューロン→単純パーセプトロン→限界の指摘→多層化による克服）に対応できるようにしておきましょう。
📚 まとめ
「人間の神経回路」とは、脳のニューロンの働きを模倣した計算モデル＝ニューラルネットワークを指します。1943年のマカロックとピッツによる形式ニューロン、1958年のローゼンブラットによる単純パーセプトロンを経てブームとなりましたが、ミンスキーによる限界の指摘で研究は下火になりました。その限界は多層化と誤差逆伝播法で克服され、現在のディープラーニングへとつながっています。人名・年代・出来事の対応を正確に覚えることが得点の鍵です。
