パーセプトロンとは、人間の脳神経細胞の仕組みを模して作られた、人工ニューラルネットワークの最も基礎的なアルゴリズムです。複数の入力を受け取り、重み付けをして判定結果を出力するシンプルな構造を持ち、ディープラーニングの原点として知られています。AIの歴史における重要なマイルストーンです。
パーセプトロンとは
パーセプトロンは、1957年にフランク・ローゼンブラットによって考案された、脳の神経細胞（ニューロン）の働きをモデル化した簡易的なアルゴリズムです。人工ニューラルネットワークの最も基礎的なビルディングブロックであり、ディープラーニングの原点として知られています。
詳しく解説
パーセプトロンは、複数の入力信号を受け取り、それぞれに「重み」を掛け合わせ、その総和に「バイアス」を加算します。この合計値が特定のしきい値を超えた場合にのみ「1」を出力し、超えない場合は「0」を出力するというシンプルな仕組みを持っています。この出力を決定する関数を活性化関数（単純パーセプトロンではステップ関数）と呼びます。パーセプトロンは、正解データとの誤差を基に重みとバイアスを自動的に調整する「学習規則」を備えており、これによりデータの自動分類を可能にしました。1960年代の第一次AIブームの牽引役となった重要な技術です。
具体例・使われ方
具体的なイメージとして、パーセプトロンは「ある映画を観に行くかどうかの意思決定」に例えられます。入力情報として「チケットの価格が安いか」「好きな俳優が出演しているか」「週末の天気が良いか」という要因があり、それぞれに対する個人の重視度（重み）を掛け合わせて最終的な意思決定（出力）を行います。また、画像認識の極めて初期の段階として、簡単な手書きの図形が「丸」か「四角」かを自動で判別するようなシステムに利用されました。
似た用語との違い
初期の「単純パーセプトロン」と、現在のディープラーニングで使われる「多層パーセプトロン」には大きな違いがあります。単純パーセプトロンは入力層と出力層のみで構成され、直線の境界線で分けられる線形分離可能な問題しか解けません。一方、多層パーセプトロンは入力層と出力層の間に「隠れ層（中間層）」を挟むことで、複雑な非線形の問題を解くことが可能となっています。
注意点
パーセプトロンの最大の限界は、1969年にマービン・ミンスキーらによって指摘された「線形分離不可能な問題（XOR問題など）を単一のパーセプトロンでは解決できない」という点です。この指摘により、初期の人工知能研究は一時的に冬の時代を迎えました。現代の実用的なシステムでは、単一のパーセプトロンがそのまま使われることはなく、複数の層を重ねたニューラルネットワークや、より高度な活性化関数と誤差逆伝播法を組み合わせた技術が用いられています。