ネオコグニトロンとは

まず押さえる結論

ネオコグニトロンは、G検定の「大項目2 人工知能をめぐる動向」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。

具体例から判断の境界を固める

ネオコグニトロンを、役割と隣接概念の境界から捉える

福島邦彦が1979年に提唱した多層のパターン認識モデル。視覚野の単純細胞・複雑細胞の働きを模したS細胞・C細胞の階層構造により、位置のずれや形の変形に強い認識を実現し、現代の畳み込みニューラルネットワーク（CNN）に大きな影響を与えた先駆けとされる。 試験では、処理の対象・目的・使う段階を別の概念と入れ替えた選択肢が出ます。何に対して何をする手法かを分けて確認します。

問題文で見る箇所

視覚野の単純細胞・複雑細胞の階層構造を模した最初期のパターン認識モデルであり、その約20年後にバックプロパゲーションによる教師あり学習を導入したLeNet以降のCNNとは提唱時期・学習方法が異なることを確認します。

隣接概念との境界

ネオコグニトロンは1979年に福島邦彦が提唱した最初期のモデルで、LeNetは1998年にヤン・ルカンらがバックプロパゲーションによる教師あり学習を導入して発表したモデルです。提唱時期と学習方法で区別します。

誤答しやすい選択肢

• ネオコグニトロンとLeNetを同一のモデル、あるいは無関係に別々に発表された技術として混同し、CNN史における前後関係を取り違える。定義の主語と処理対象を確認します。
• ネオコグニトロンの目的だけを見て、同じ目的を持つ別手法まで同じ用語とする。具体的な処理を比較します。
• ネオコグニトロンを使えば目的が必ず達成されると断定する。適用条件や評価を別に確認します。

4段階の判断手順

1. 01問題文が状態、手法、評価指標、制度のどれを説明しているか決める。
2. 02定義の中心となる対象と動作がネオコグニトロンに一致するか確認する。
3. 03隣接概念と共通する目的ではなく、処理や条件の違いを見る。
4. 04必ず・完全に・だけでよいという過度な断定がないか見直す。

到達条件: ネオコグニトロンを一文で説明し、最も混同しやすい隣接概念との違いを処理または条件から言える。

試験での問われ方

誤答しやすいポイント

「大項目2 人工知能をめぐる動向」の問題で、取り違えやすい組み合わせです。

• 各AIブームと、その中心になった技術の組み合わせの取り違え。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニング。
• フレーム問題とシンボルグラウンディング問題の混同。フレーム問題は『起こりうる事柄をすべて考慮しきれない』問題、シンボルグラウンディング問題は『記号と実世界の意味を結びつけられない』問題。
• 知識獲得のボトルネック（専門知識をルール化する作業の困難さ）をエキスパートシステムの利点と取り違える。

関連する確認問題

同じ章で確認したい用語