パーセプトロンは、二値分類器の教師あり学習のためのアルゴリズムであり、1958年にフランク・ローゼンブラットによって導入された。これは線形分類器の一種であり、重みの集合と特徴ベクトルを組み合わせた線形予測関数に基づいて予測を行う。パーセプトロンは、初期の限界にもかかわらず、広く注目を集めた最初のニューラルネットワークモデルとなり、現代の機械学習と深層学習の基礎を築いた。
起源と初期の発展
人工ニューロンの概念は1943年に遡り、ウォーレン・マッカロックとウォルター・ピッツが「神経活動に内在する観念の論理的計算」を発表した。1957年、コーネル航空研究所で働いていたフランク・ローゼンブラットは、IBM 704上でパーセプトロンをシミュレートした。彼はハードウェア実装により関心を持ち、米国海軍研究局情報システム部門とローマ航空開発センターから資金を得て、カスタムアナログコンピュータであるMark Iパーセプトロンを構築した。ローゼンブラットは1958年の論文でパーセプトロンを記述し、感覚（S）、連合（A）、応答（R）の3種類のユニットに整理した。彼は1958年11月に開催された最初の国際AIシンポジウム「思考プロセスの機械化」で自身の研究を発表した。
Mark Iパーセプトロン機械
Mark Iパーセプトロンは1959年6月から12月にかけて構築され、1960年6月23日に公開デモが行われた。これは3つの層を持ち、20x20グリッドに配置された400個の光電池の配列（Sユニット）、512個の連合ユニットの隠れ層（Aユニット）、および8個の応答ユニットの出力層（Rユニット）で構成されていた。ローゼンブラットはこれをアルファパーセプトロンと呼んだ。Sユニットは意図的なバイアスを避けるためにプラグボードを介してAユニットにランダムに接続され、これは網膜が視覚皮質にランダムに接続するというローゼンブラットの信念を反映していた。AからRへの接続はポテンショメータにエンコードされた調整可能な重みを持ち、学習中に電動モータによって更新された。この機械は現在、スミソニアン国立アメリカ歴史博物館に所蔵されている。
1958年に米国海軍が主催した記者会見で、ローゼンブラットは大胆な主張を行い、ニューヨーク・タイムズ紙はパーセプトロンを「歩き、話し、見、書き、自己複製し、自身の存在を意識することができると海軍が期待する電子コンピュータの胚」と評した。これは初期のAIコミュニティで論争を引き起こした。1960年から1964年にかけて、CIAの写真部門は、航空写真における軍事的に興味深いシルエット目標の認識のためにMark Iを研究した。
ニューロダイナミクスの原理（1962年）
ローゼンブラットは、1961年の報告書に基づく1962年の著書「ニューロダイナミクスの原理」で、パーセプトロンの変種に関する実験を詳述した。変種には、クロスカップリング（同一層内の接続）、バックカップリング（後続層から先行層への接続）、最後の2層に調整可能な重みを持つ4層パーセプトロン、逐次データのための時間遅延ユニット、および音声分析が含まれていた。この機械は1967年に政府移転のもとでスミソニアンに送られた。
限界と1969年の批判
単層パーセプトロンは、線形分離可能なパターンのみを学習できる。ステップ活性化関数を用いた分類タスクでは、単一ノードが単一の分割線を作成し、より多くのノードはより多くの線を作成するが、それらを複雑な分類に組み合わせることはできない。パーセプトロンまたは線形ノードの第2層は、多くの非分離可能な問題を解決できる。1969年、マービン・ミンスキーとシーモア・パパートの著書「パーセプトロン」は、単層パーセプトロンがXOR関数を学習できないことを示し、この結果はニューラルネットワークが根本的に制限されていることを証明したと誤解されることが多かった。これはニューラルネットワーク研究の停滞に長年貢献し、多層パーセプトロン（2層以上）がより大きな処理能力を提供することが認識されるまで続いた。
遺産と影響
パーセプトロンの導入は人工知能の歴史における極めて重要な瞬間を示し、ニューラルネットワークのパラダイムを確立した。初期の挫折にもかかわらず、パーセプトロンの原理は現代の深層学習アーキテクチャの基盤となっており、大規模言語モデルで使用されるトランスフォーマーモデルを含む。ローゼンブラットの研究は、MIT CSAILやスタンフォードAIラボなどの機関でのその後の発展に影響を与え、その遺産は現代のAI研究と応用に存続している。