福島邦彦は日本の計算機科学者であり、1980年に発表したネオコグニトロンは、現代の畳み込みニューラルネットワーク（CNN）の直接的な概念的祖先として広く認識されている。CNNは、今日のコンピュータビジョンシステムの大部分を支えるアーキテクチャである。
ネオコグニトロン
1936年生まれの福島は、キャリアの多くを日本のNHK放送科学基礎研究所で過ごし、その後、大阪大学などでの学術職に就いた。デビッド・ヒューベルとトルステン・ウィーゼルによる、猫の視覚野における単純細胞と複雑細胞に関する神経生理学的発見に基づき、福島は多層のニューラルネットワークを設計した。このネットワークでは、特徴検出を行う「S細胞」と位置変動に寛容な「C細胞」の層が交互に配置され、入力画像の小さなずれや歪みに関係なく、手書き文字や単純な形状を認識できるようにした。この階層構造は、各層が下の層からより抽象的な特徴を構築し、プーリング操作がある程度の並進不変性を提供するもので、後にCNNで用いられる畳み込みとプーリングの設計を先取りしていた。
ネオコグニトロンは、多層ネットワーク向けにまだ普及していなかったエンドツーエンドのバックプロパゲーションではなく、教師なしの層ごとの学習規則を用いて訓練された。そのため、後のアーキテクチャほど効率的に訓練できず、規模も拡大できなかったが、その構造的なアイデアは長く持続した。
影響
ヤン・ルカンは、ネオコグニトロンを、1980年代後半から1990年代にかけてベル研究所で開発したLeNetおよびより広いCNNファミリーへの直接的な影響として繰り返し挙げており、特に局所受容野とプーリングのアイデアを強調している。この系譜は、2012年のAlexNetの成果で使用されたCNNを通じて、深層学習への主流の転換を引き起こし、現代のコンピュータビジョンやマルチモーダルAIシステムの一部で使用されるアーキテクチャへと続いている。福島は、IEEEニューラルネットワーク先駆者賞や2021年のバウアー賞および科学業績賞などを受賞しており、初期のパーセプトロン研究で特定された限界が後の勾配ベースの訓練手法によって完全に解決されるずっと前に、生物学的に着想を得た計算が支配的な工学的アーキテクチャを直接形作った分野の最も明確な例の一つであり続けている。後に彼のアイデアを発展させた研究者の多くとは異なり、福島は主に日本の産業界や学界の研究所で活動し、その後の分野の著名な進歩の多くを生み出したアメリカの大学や企業研究所のネットワークには属していなかった。この事実は、専門家サークル外での彼の比較的限られた公的認知について議論される際にしばしば指摘される。