不幸な人工知能 〜尊敬と軽蔑の狭間で揺れるニューラルネットワーク：Over the AI ―― AIの向こう側に（21）（4/9 ページ）

「バックプロパゲーション」を数式抜きで解説する

　さて、ここからは、ニューラルネットワークの概要と、第2次AIブームの端緒を開いた、「逆伝搬学習 ―― バックプロパゲーション」について、数式抜きの解説を行いたいと思います。

　ニューラルネットワークとは、

―― ごたくはどうでもいいから、とっとと丸暗記しやがれ

を可能とするAI技術、と理解していただいて問題ありません。

　これをエンジニアの視点から見れば、「その原因と結果を導く、『何か』を、論理化したり、数値化したり、コーディングしたりするのが面倒な訳よ。そういうものから、手を抜きたい訳よ。ドゥー・ユー・アンダスタンド？」です。

　で、これを、もう少しだけ、穏当な用語に置き換えて、図式化したものが以下になります。

　上の図は、脳細胞のメカニズムに良く似ています。生物の脳も、ニューロンという脳細胞が、シナプスという電気信号線で接続したもので構成されています。

　ニューラルネットワークの研究は、

（Step.1）脳の構造に似ているからマネしてみた（ニューロン発火とか、シナプス強化）
（Step.2）マネしてみたら、入力と出力のパターンを覚えさせることができることが分かった
（Step.3）（特に）ショボい数のニューロンでも、非線形分離を取り扱えることや、追加して学習データを覚えさせられることが分かった

―― という経緯を経て、今に至っています。

　私が、30年前に、ニューラルネットワークこそが、「強いAIのベースとなる^＊）」と確信してしまったのは、仕方がないと言えるでしょう（と、言い訳をする）。

関連記事：「弱いままの人工知能 〜 “強いAI”を生み出すには「死の恐怖」が必要だ」

　ちなみに、私は、ニューラルネットワークを電気回路のパラダイムで理解しています。

　ある一定の電流量を超えたら、電気信号を出力する非線形素子（ダイオード、トランジスタ、オペアンプ）と、学習に応じて値を変動させ続ける線形素子（可変抵抗）からなる電気回路です。