| 著者 | マービン・ミンスキー、シーモア・パパート |
|---|---|
発行日 | 1969 |
| 番号 | 0 262 13043 2 |
『パーセプトロン: 計算幾何学入門』は、マービン・ミンスキーとシーモア・パパートによって書かれ、1969年に出版された本です。手書きの訂正と追加を加えた版は、1970年代初頭にリリースされました。ニューラルネットワークの復活後、1988年にさらに拡張版が出版され ( ISBN 9780262631112 )、1980年代にニューラルネットワークに対してなされた批判に対抗する章が設けられました。
この本の主なテーマは、 1950年代後半から1960年代前半に開発された 人工ニューラルネットワークの一種であるパーセプトロンである。この本は、1957年に「パーセプトロン」の最初のモデルを発表した心理学者フランク・ローゼンブラットに捧げられた。 [1]ローゼンブラットとミンスキーは、ブロンクス科学高校で1歳違いで学んだため、青年時代からの知り合いだった。[2]彼らは、AI研究コミュニティ内で議論の中心人物となり、会議で活発な議論を促進しながらも友好的な関係を保っていたことで知られている。[3]
この本は、人工知能研究における長年の論争の中心となっている。著者らの悲観的な予測が、AI研究の方向性を変え、いわゆる「シンボリック」システムに研究を集中させる原因となったと主張されているが、この研究は衰退し、AIの期待が実現されなかった1980年代のいわゆるAIの冬につながった。 [4]
パーセプトロンの核心は、パーセプトロンの長所を認めながらも大きな限界も示す数学的証明の数々である。 [3]最も重要なのは、XOR関数などの述語の計算と、重要な連結性述語の計算に関するものである。連結性の問題は、この本の奇妙な色の表紙に描かれており、人間自身がこの述語を計算するのにどれほど困難を抱えているかを示すことを意図している。[5]ある評論家であるアール・ハントは、概念学習実験中に人間がXOR関数を習得するのも難しいと指摘した。[6]
出版履歴
1963年にパパートがMITに着任すると、ミンスキーとパパートはパーセプトロンの限界に関する理論的説明を書くことにした。執筆中に予期せず現れた数学的問題の解決が完了するまでに1969年までかかった。初版は1969年に印刷された。1972年の第2刷では著者らによる手書きの修正が行われた。手書きのメモには初版のレビューへの言及がいくつか含まれている。[7] [8] [9]
1988年に「拡張版」が出版され、プロローグとエピローグが追加され、1980年代のニューラルネットワークの復活について議論されているが、新しい科学的結果は含まれていない。[10] 2017年に拡張版が再版され、レオン・ボットーによる序文が添えられ、ディープラーニングに携わる人の視点からこの本について論じられている。
背景
パーセプトロンは、1958年に心理学者フランク・ローゼンブラットによって開発されたニューラルネットであり、当時最も有名なマシンの1つです。[11] [12] 1960年に、ローゼンブラットと同僚は、パーセプトロンが有限回のトレーニングサイクルで、そのパラメータが具体化できるあらゆるタスクを学習できることを示しました。パーセプトロンの収束定理は、単層ニューラルネットに対して証明されました。[12]
この時期、ニューラルネット研究は、脳と機械の問題に対する主要なアプローチであり、多くの人々によって行われていました。[12]ニューヨークタイムズの報道やローゼンブラットの声明では、ニューラルネットはすぐに画像を認識し、チェスで人間に勝ち、複製できるようになると主張しました。[3]同時に、シンボリックAIを含む新しいアプローチが登場しました。[13]さまざまなグループが資金と人材をめぐって競争し、コンピューティングパワーの需要は利用可能な供給をはるかに上回りました。[14]
コンテンツ
パーセプトロン:計算幾何学入門は、3つのセクションに分かれた13章からなる本です。第1章から第10章では著者のパーセプトロン理論を証明を通して紹介し、第11章では学習について、第12章では線形分離問題を扱い、第13章では著者の単純および多層パーセプトロンとパターン認識に関する考えの一部を説明します。[15] [16]
パーセプトロンの定義
ミンスキーとパパートは、フランク・ローゼンブラットの先駆的な研究に敬意を表して、パーセプトロンと名付けた学習装置の抽象バージョンを研究対象とした。[16]これらのパーセプトロンは、1958年にローゼンブラットが発表したパーセプトロンの改良版である。網膜、単層の入力関数、および単一の出力から構成されていた。[15] [12]
これに加えて、著者らはパーセプトロンの「順序」、つまり入力接続の最大数を制限した。社会学者のミケル・オラザランは、ミンスキーとパパートは「ニューラルコンピューティングの興味は、それがローカル情報の並列結合であるという事実から来ていると主張した」と説明しているが、それが効果的であるためには、単純な計算でなければならない。著者らにとって、これは「各関連ユニットは入力領域の小さな部分からのみ接続を受け取ることができる」ことを意味していた。[12]ミンスキーとパパートはこの概念を「結合的局所性」と呼んだ。[16]
平等とつながり
著者らが分析した2つの主な例は、パリティと連結性である。パリティは、入力網膜における活性化入力の数が奇数か偶数かを判断することであり、連結性は図地問題を指す。ミンスキーとパパートは、単層パーセプトロンは連言的局所性の条件下ではパリティを計算できないことを証明し(定理3.1.1)、連結性を計算するためにパーセプトロンに必要な順序は入力サイズとともに増大することを示した(定理5.5)。[17] [16]
XOR事件
この本に対する批評家の中には[要出典]、単一の人工ニューロンではXOR論理関数などの一部の機能を実装できないため、より大規模なネットワークにも同様の制限があり、そのため削除する必要があると著者が示唆していると主張する人もいます。3 層パーセプトロンの研究では、このような機能の実装方法を示しています。Rosenblatt は著書の中で、事前に無制限の数の隠れ層 A 要素 (ニューロン) と 1 つの出力ニューロンを持つ基本パーセプトロンが、あらゆる分類問題を解決できることを証明しました (存在定理。[18] )。Minsky と Papert は、隠れ層 A 要素の入力数が制限され、局所性条件 (隠れ層の各要素は、小さな円から入力信号を受け取る) があるパーセプトロンを使用しました。これらの制限されたパーセプトロンでは、画像が連結された図形であるか、画像内のピクセル数が偶数であるか (パリティ述語) を定義できません。
この話には多くの間違いがある[要出典]。 単一のニューロンは実際には少数の論理述語しか計算できないが、そのような要素のネットワークはあらゆる可能なブール関数を計算できることは広く知られていた[要出典] 。 このことは、形式ニューロンを使用してチューリングマシンを作成する方法を提案したWarren McCullochとWalter Pittsにも知られており( [19]のセクション III )、Rosenblatt の本にも記載されており、1961 年の典型的な論文 ( 図 15 [20] ) にも記載されており、 Perceptrons という本にも記載されています[21] 。 Minsky も、彼の著書Computation: Finite and Infinite Machinesの第 3 章で、形式ニューロンを使用して単純な理論コンピューターを作成しています。
1960年代には、パーセプトロンネットワークの特殊なケースが「線形しきい値論理」として研究され、デジタル論理回路への応用が検討された。[22]古典的な理論は、ドナルド・クヌースによる[23]にまとめられている。 [24]この特殊なケースでは、パーセプトロン学習は「反復による単一しきい値要素合成」と呼ばれ、パーセプトロンネットワークの構築は「ネットワーク合成」と呼ばれた。[25]他の名前には、線形分離可能論理、線形入力論理、しきい値論理、多数決論理、投票論理などがある。線形しきい値論理を実現するためのハードウェアには、磁気コア、抵抗器トランジスタ、パラメトロン、抵抗器トンネルダイオード、多重コイルリレーなどがある。[26]また、ブール関数を実現するために必要なパーセプトロンユニットの最小数の上限と下限に関する理論的研究もあった。[27] [28]
この本で証明されているのは、3 層のフィードフォワード パーセプトロン (いわゆる「隠れ層」または「中間層」を持つ) では、最初の層のニューロン (「中間層」) の少なくとも 1 つのニューロンが各入力に非ヌルの重みで接続されていない限り、一部の述語を計算できないということです (定理 3.1.1、以下に再現)。これは、一部の研究者 [ 引用が必要 ] が抱いていた、少数の入力にのみ接続された少数の「ローカル」ニューロン層を持つネットワークに主に依存するという希望とは相反するものでした。「ローカル」ニューロンを持つフィードフォワード マシンは、より大規模で完全に接続されたニューラル ネットワークよりも構築と使用がはるかに簡単なので、当時の研究者はより複雑なモデルではなく、これらに集中しました[引用が必要]。
他の批評家、特にジョーダン・ポラックは、グローバルな問題(パリティ)がローカルな検出器で検出できないという小さな証明が、コミュニティによってアイデア全体を葬り去るかなり成功した試みとして解釈されたと指摘している。[29]
パーセプトロンとその拡張に対する批判
1988 年版に追加されたプロローグとエピローグでは、著者らは 1980 年代のニューラル ネットワークの復活に反応し、多層ニューラル ネットワークとガンバ パーセプトロンについて論じている。[30] [31] [32] [33]「ガンバ パーセプトロン」とは、2 層パーセプトロン マシンのことで、第 1 層もパーセプトロン ユニット (「ガンバ マスク」) で構成されている。対照的に、本書の大部分は、第 1 層がブール ユニットで構成されている 2 層パーセプトロンについて論じている。著者らは、ガンバ マシンには「膨大な数の」ガンバ マスクが必要であり、多層ニューラル ネットワークは「不毛な」拡張であると推測している。さらに、著者らは、パーセプトロンの「不可能」な問題の多くは、すでに他の方法で解決されていると指摘している。[16]
Gamba パーセプトロン マシンは、Rosenblatt のパーセプトロン マシンに似ています。入力は画像です。画像は、バイナリ マスク (ランダムに生成) を並列に通過します。各マスクの背後には、マスク後の入力が十分に明るい場合に作動するフォト レシーバーがあります。2 番目のレイヤーは、標準的なパーセプトロン ユニットで構成されています。
彼らは、パーセプトロン研究が1970年代に衰退したのは彼らの本のせいではなく、固有の問題のためだと主張した。つまり、パーセプトロン学習マシンはローゼンブラットのパーセプトロン学習規則よりも優れたクレジット割り当てを実行できず、パーセプトロンは特定の問題を解決するために必要な知識を表現できないということだ。[29]
最終章では、1980 年代のニューラル ネットワークについては「1969 年以来、重要なことはほとんど変わっていない」と主張した。彼らは、単一の均質なマシンはスケールアップできないと予測した。勾配降下法で訓練されたニューラル ネットワークは、局所的最小値、極端に大きな重み、および遅い収束のため、スケールアップできない。ニューラル ネットワークの一般的な学習アルゴリズムはすべて非実用的であるに違いない。なぜなら、「ニューラル ネットワークがどのように機能するか」についての一般的なドメイン独立理論は存在しないからである。機能できるのは精神社会だけである。具体的には、彼らは世界にはさまざまな小さな問題があり、それぞれが「おもちゃの問題」の規模であると考えていた。大きな問題は常に小さな問題に分解できる。それぞれを解決するには異なるアルゴリズムが必要であり、パーセプトロンもあれば論理プログラムもある。均質なマシンは、少数の小さな問題を除いてすべて解決できない。人間の知性は、社会のように組織された多くの小さな異なるアルゴリズムの集合に他ならない。[29]
数学の内容
予備的な定義
を有限集合とします。の述語は、のサブセットを受け取り、またはを出力するブール関数です。特に、パーセプトロン ユニットは述語です。
述語がをサポートしている場合、任意の に対してそのときに限り、 が存在します。つまり、のサブセットで がどのように機能するかがわかれば、 のすべての のサブセットで がどのように機能するかがわかります。
述語にはさまざまなサポートがあります。述語のサポート サイズは、そのサポートに必要な要素の最小数です。たとえば、定数 0 関数と定数 1 関数はどちらも空セットでサポートされているため、サポート サイズはどちらも 0 です。
上のパーセプトロン(ミンスキーおよびパパートによって研究された種類)は、が述語であり、 が実数である 形式の関数です。
が述語の集合である場合、 は内の述語のみを使用するすべてのパーセプトロンの集合です。
パーセプトロンの順序は、その構成要素である述語の最大サポート サイズです。
ブール関数の次数は、ブール関数を実装するパーセプトロンで可能な最小次数です。
ブール関数は、が無限大に増加してもその次数が無限大に増加しない場合に限り、連言的にローカルです。
のマスクは、次のように定義される述語です。
主な定理
定理 1.5.1、正の正規形 — パーセプトロンの順序が である場合、マスクのみを使用して の順序になります。
パーセプトロンを とし、各サポート サイズが最大 であるとします。これを、各サイズが最大 であるマスクの線形和に変換します。
が集合 上でサポートされているとします。 を返すの各サブセットごとに 1 つの節を持つ選言標準形でこれを記述し、各サブセットについて、サブセット内の各要素ごとに 1 つの正のリテラルを記述し、それ以外の場合は 1 つの負のリテラルを記述します。
例えば、が でサポートされ、 がすべての奇数サイズの部分集合上でサポートされるとすると、次のように書くことができます。
さて、この式をブール代数式に変換し、展開してマスクの線形和を求めます。例えば、上記の式は次のように変換されます。
パーセプトロンで使用される述語ごとにこれを繰り返し、合計すると、マスクのみを使用した同等のパーセプトロンが得られます。
を の元上の置換群とし、をの部分群とします。
述語が-不変であるとは、任意の に対してそのときに限ります。つまり、任意の に対して、 が成り立ちます。
たとえば、パリティ関数は-不変です。これは、セットの任意の順列がそのサブセットのサイズ、つまりパリティを保存するためです。
定理 2.3、群不変性定理 — がの作用に対して閉じており、 が-不変である場合、ある に対して である場合となるパーセプトロンが存在します。
証明のアイデアは、 のすべての要素の平均を取ることです。
内の述語をとして列挙し、任意の に対してとなる述語のインデックスを と書きます。つまり、集合 に対するグループアクションを定義したことになります。
を定義します。これが目的のパーセプトロンであると主張します。
なので、次のような実数が存在する。
-不変性の定義により、 であれば、すべての に対して となる。つまり、であり、したがって のすべての要素の平均をとると、
の場合も同様です。
定理3.1.1 — パリティ関数の順序は です。
をパリティ関数とし、をサイズのすべてのマスクの集合とします。明らかに、 と はいずれもすべての順列に対して不変です。
が の位数を持つと仮定すると、正の正規形定理により、 となります。
群不変性定理により、 がマスク の同値類のみに依存し、したがって がマスク のサイズ のみに依存するようなパーセプトロンが存在します。つまり、が上のマスクである場合、となる実数 が存在します。
これで、任意のサブセット上のパーセプトロンを明示的に計算できるようになりました。
にはサイズ のサブセットが含まれているため、パーセプトロンの式を代入して計算します。
ここで、 の多項式関数を定義します。この関数は最大次数を持ちます。すると、 の各 に対して となるので、小さい正の に対して次が成り立ちます。
したがって、次数多項式には少なくとも各 に 1 つの異なる根があり、矛盾が生じます。
定理5.9 — 有限次数の位相的に不変な述語はオイラー数 の関数だけである。
つまり、がトポロジーに依存するブール関数で、 が固定され、 がどんどん大きな長方形に成長しても増加しない 次数のパーセプトロンによって実装できる場合、 は、何らかの関数 に対しての形になります。
証明: 省略。
セクション 5.5、 David A. Huffmanによる — を 形状 の長方形とすると、 のとき、 上の連結性関数の次数は と同じ速さで少なくとも増加します。
証明スケッチ:回路ガジェットを使用してパリティ関数を接続関数に還元する。これは、SokobanがNP困難であることを示すものと似たスタイルです。[34]
受容と遺産
パーセプトロンは出版後、多くの好意的なレビューを受けた。1969年、スタンフォード大学のマイケル・A・アービブ教授は「この本はパターン認識理論における刺激的な新章として広く歓迎されている」と述べた。[35]その年の初め、CMUのアレン・ニューウェル教授はサイエンス誌にこの本のレビューを寄稿し、「これは素晴らしい本だ」と宣言して記事を書いている。[36]
一方、HDブロックは著者らのパーセプトロンの定義が狭いことに懸念を表明した。彼は著者らが「ローゼンブラットとは全く異なる観点から、非常に限定されたクラスのマシンを研究している」ため、本のタイトルは「非常に誤解を招く」と主張した。[15]現代のニューラルネット研究者もこれらの反対意見に賛同している。バーナード・ウィドローは著者らがパーセプトロンを狭く定義しすぎていると不満を漏らしたが、ミンスキーとパパートの証明は「ほとんど無関係」であり、ローゼンブラットのパーセプトロンの10年後に発表されたものだと述べた。[17]
パーセプトロンは、1970年代から1980年代初頭にかけてニューラルネット研究の衰退を引き起こしたとよく考えられています。[3] [37]この期間中、ニューラルネット研究者は主流から外れた小規模なプロジェクトを継続しましたが、シンボリックAI研究は爆発的な成長を遂げました。[38] [3]
80年代後半のコネクショニズムの復活により、PDP研究者のデイビッド・ルメルハートと彼の同僚はパーセプトロンに戻った。1986年の報告書で、彼らはミンスキーとパパートが提示した問題を克服し、「多層マシンでの学習に関する彼らの悲観論は見当違いだった」と主張した。[3]
論争の分析
ミンスキーとパパートが1970年代に彼らの著書のより広い意味について語ったことを知ることは、非常に有益である。1974年以降MIT AIラボの研究者であるハーヴェイ・コーエン[39]は、自身のウェブサイトで、資金提供機関に向けた1971年のプロジェクトMACの報告書「ガンバネットワーク」におけるミンスキーとパパートの言葉を引用している。[30]「この後者の種類のマシンの計算能力については、ほとんど何もわかっていない。我々は、それが低次のパーセプトロンよりも少ししかできないと考えている。」前のページで、ミンスキーとパパートは「ガンバネットワーク」が隠れ層を持つネットワークであることを明確にしている。
ミンスキーはこの本を、 H・P・ラヴクラフトの物語に登場する架空の本『ネクロノミコン』と比較している。この本は多くの人に知られているが、読む人は少数である。[41]著者らは、拡張版の中で、1980年代に始まったこの本に対する批判と、 PDPの本に象徴される新しい研究の波について語っている。
パーセプトロンが、まず科学者の一グループによってAI研究をある方向に推進するために研究され、その後、新しいグループによって別の方向に推進された経緯は、科学の発展に関する社会学的研究の対象となっている。[3]
注記
- ^ Rosenblatt, Frank (1957年1月). 「パーセプトロン:知覚と認識のオートマトン(プロジェクトPARA)」(PDF) (レポート). コーネル航空研究所レポートNo.85–460–1 . 2019年12月29日閲覧。ジョー・ペイター著「ブレイン・ウォーズ:心はどのように機能するのか?そして、なぜそれが重要なのか?」(UmassAmherst)に記念されています。
- ^ クレヴィエ 1993
- ^ abcdefg オラザラン 1996.
- ^ ミッチェル、メラニー(2019年10月)。人工知能:考える人間のためのガイド。ファラー、ストラウス&ジルー。ISBN 978-0-374-25783-5。
- ^ Minsky-Papert 1972:74 では、図が白黒で示されています。1972 年のペーパーバック版の表紙では、図は赤の背景に紫で印刷されており、指やその他の手段を使って機械的にパターンをたどらない限り、接続を識別するのがさらに困難になっています。この問題は 136 ページ以降で詳細に説明されており、実際に境界をトレースする必要があります。
- ^ハント、 アール(1971年) 。「パーセプトロンのレビュー」アメリカ心理学会誌。84 (3):445-447。doi :10.2307/1420478。ISSN 0002-9556。JSTOR 1420478 。
- ^ Block , HD (1970年12月)。「パーセプトロンのレビュー: 計算幾何学への入門」。情報と制御。17 (5): 501–522。doi :10.1016/S0019-9958(70)90409-2。
- ^ Newell, Allen (1969-08-22). 「情報処理の理解に向けた第一歩: パーセプトロン。計算幾何学入門。マービン・ミンスキーおよびシーモア・パパート。MIT プレス、マサチューセッツ州ケンブリッジ、1969 年。vi + 258 ページ、イラスト。布装、$12、ペーパーバック、$4.95」。サイエンス。165 ( 3895): 780–782。doi :10.1126/ science.165.3895.780。ISSN 0036-8075 。
- ^ Mycielski, Jan (1972年1月). 「レビュー: Marvin Minsky と Seymour Papert 著『パーセプトロン: 計算幾何学入門』」アメリカ数学会報. 78 (1): 12–15. doi : 10.1090/S0002-9904-1972-12831-3 . ISSN 0002-9904.
- ^ グロスバーグ、スティーブン。「マービン・L・ミンスキーとシーモア・A・パパートによる『パーセプトロン』(MIT プレス、マサチューセッツ州ケンブリッジ、1988 年、292 ページ、12.50 ドル)の拡張版が発売されました。」AI マガジン10.2 (1989)。
- ^ Rosenblatt, Frank (1958). 「パーセプトロン: 脳内の情報の保存と組織化のための確率モデル」.心理学評論. 65 (6): 386–408. CiteSeerX 10.1.1.588.3775 . doi :10.1037/h0042519. PMID 13602029. S2CID 12781225.
- ^ abcde オラザラン 1996、618 ページ
- ^ ハウゲランド、ジョン (1985)。人工知能:その概念。マサチューセッツ州ケンブリッジ:MIT プレス。ISBN 978-0-262-08153-5。
- ^ Hwang, Tim (2018). 「計算能力と人工知能の社会的影響」arXiv : 1803.08971v1 [cs.AI].
- ^ abc Block, HD (1970). 「『パーセプトロン:計算幾何学入門』のレビュー」.情報制御. 17 (1): 501–522. doi : 10.1016/S0019-9958(70)90409-2 .
- ^ abcde ミンスキー、マービン; パパート、シーモア (1988)。パーセプトロン:計算幾何学入門。MIT プレス。
- ^ オラザラン 1996、630 ページ
- ^ Rosenblatt, F. (1961) Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms、Spartan、ワシントン DC の定理 1。
- ^ McCulloch, Warren S.; Pitts, Walter (1943-12-01). 「神経活動に内在するアイデアの論理的計算」.数理生物物理学紀要. 5 (4): 115–133. doi :10.1007/BF02478259. ISSN 1522-9602.
- ^ Hawkins, J. (1961年1月). 「自己組織化システム - レビューと解説」. Proceedings of the IRE . 49 (1): 31–48. doi :10.1109/JRPROC.1961.287776. ISSN 0096-8390. S2CID 51640615.
- ^ ミンスキー=パパート (1972:232) を参照: 「... 汎用コンピュータは、完全に線形しきい値モジュールから構築できます。これは、計算とプログラミングの理論をパーセプトロンの理論に還元するものではありません。」
- ^ Hu, Sze-Tsen.閾値論理. 第32巻. カリフォルニア大学出版局, 1965年.
- ^ 室賀三郎 (1971).閾値論理とその応用. ニューヨーク: Wiley-Interscience. ISBN 978-0-471-62530-8。
- ^ クヌース、ドナルド・アービン(2011年)。『コンピュータプログラミングの芸術』第4A巻。アッパーサドルリバー:アディソンウェスレー。pp.75-79。ISBN 978-0-201-03804-0。
- ^ Dertouzos, Michael L. 「閾値論理:統合アプローチ」(1965年)。
- ^ Minnick, Robert C. (1961 年 3 月). 「線形入力ロジック」. IEEE Transactions on Electronic Computers . EC-10 (1): 6–16. doi :10.1109/TEC.1961.5219146. ISSN 0367-7508.
- ^ Cover, Thomas M.「線形マシンの容量問題」パターン認識(1968): 283-289 内の参考文献を参照してください。
- ^ Šíma, Jiří; Orponen, Pekka (2003-12-01). 「ニューラルネットワークによる汎用計算: 複雑性理論的結果の調査」.ニューラル計算. 15 (12): 2727–2778. doi :10.1162/089976603322518731. ISSN 0899-7667. PMID 14629867. S2CID 264603251.
- ^ abc Pollack, JB (1989). 「害を意図しない:パーセプトロンのレビュー拡張版」数学心理学ジャーナル33 (3): 358–365. doi :10.1016/0022-2496(89)90015-1.
- ^ ab PAPAパーセプトロンの設計者であるイタリアのニューラルネットワーク研究者アウグスト・ガンバ(1923-1996)の名前に由来。PAPAは「Programmatore e Analizzatore Probabilistico Automatico」(「自動確率的プログラマーおよびアナライザー」)の頭字語です。
- ^ ボルセリーノ、A.;ガンバ、A. (1961-09-01)。 「PAPAの数学理論の概要」。イル・ヌオーヴォ・シメント (1955-1965)。20 (2): 221–231。土井:10.1007/BF02822644。ISSN 1827-6121。
- ^ ガンバ、A.ガンベリーニ、L.パルミエリ、G.サンナ、R. (1961-09-01)。 「PAPAを使った更なる実験」。イル・ヌオーヴォ・シメント (1955-1965)。20 (2): 112–115。土井:10.1007/BF02822639。ISSN 1827-6121。
- ^ ガンバ、A. (1962-10-01)。 「マルチレベルPAPA」。イル・ヌオーヴォ・シメント (1955-1965)。26 (1): 176–177。土井:10.1007/BF02782996。ISSN 1827-6121。
- ^ Dor, Dorit; Zwick, Uri (1999-10-01). 「SOKOBANとその他の動作計画問題」.計算幾何学. 13 (4): 215–228. doi :10.1016/S0925-7721(99)00017-6. ISSN 0925-7721.
- ^ アービブ、マイケル(1969年11月)。「『パーセプトロン:計算幾何学入門』のレビュー」「 IEEE Transactions on Information Theory . 15 (6): 738–739. doi :10.1109/TIT.1969.1054388. 」 IEEE情報理論トランザクション. 15 (6): 738–739. doi:10.1109/TIT.1969.1054388.
- ^ニュー ウェル、アレン(1969)。「情報プロセスの理解に向けた一歩」。サイエンス。165 (3895): 780–782。doi :10.1126/science.165.3895.780。JSTOR 1727364 。
- ^ Alom, Md Zahangir; et al. (2018). 「歴史はAlexNetから始まった: ディープラーニングのアプローチに関する包括的な調査」arXiv : 1803.01164v1 [cs.CV].
1969年: ミンスキーとパパートがパーセプトロンの限界を示し、ニューラルネットワークの研究は10年間停止した。
- ^ ベクテル、ウィリアム(1993) 。「コネクショニズムのケース」。哲学研究。71 (2):119–154。doi : 10.1007 / BF00989853。JSTOR 4320426。S2CID 170812977 。
- ^ 「パーセプトロン論争」。
- ^ “MIT AI メモ 338 の著者” (PDF) .
- ^ 「歴史:過去」 Ucs.louisiana.edu . 2013年7月10日閲覧。
参考文献
- マコーダック、パメラ(2004)、考える機械(第2版)、マサチューセッツ州ネイティック:AKピーターズ、ISBN 1-5688-1205-1、104−107ページ
- クレヴィエ、ダニエル(1993) 。AI: 人工知能への激動の探求。ニューヨーク、NY: BasicBooks。ISBN 0-465-02997-3。、102−105ページ
- ラッセル、スチュアート J. ;ノーヴィグ、ピーター(2003)、人工知能: 現代的アプローチ (第 2 版)、アッパー サドル リバー、ニュージャージー: プレンティス ホール、ISBN 0-13-790395-222ページ
- マービン・ミンスキーおよびシーモア・パパート、1972年(訂正あり第2版、初版1969年)『パーセプトロン:計算幾何学入門』、MIT出版、マサチューセッツ州ケンブリッジ、ISBN 0-262-63022-2。
- オラザラン、ミケル (1996)。「パーセプトロン論争の公式歴史に関する社会学的研究」。社会科学研究。26 ( 3 ): 611–659。doi : 10.1177 /030631296026003005。JSTOR 285702。S2CID 16786738 。
- オラザラン、ミケル(1993-01-01)、ヨヴィッツ、マーシャル C.(編)、ニューラルネットワーク論争の社会学的歴史、コンピュータの進歩、第 37 巻、エルゼビア、pp. 335–425、doi :10.1016/S0065-2458(08)60408-8、ISBN 9780120121373、2023-10-31取得
