ADALINEとは
ADALINEとは、1960年前後にBernard WidrowとMarcian Hoffらが研究した、初期の人工ニューラルネットワークです。Adaptive Linear ElementまたはAdaptive Linear Neuronの略として説明され、入力に重みを掛けて足し合わせ、望ましい出力に近づくよう重みを調整します。現代の深層学習よりずっと単純ですが、機械学習の歴史では重要な基礎です。
英語表記：Adaptive Linear Element / Adaptive Linear Neuron
誤差を見て重みを直す
ADALINEの要点は、出力と目標のずれを見て、重みを少しずつ直すことです。この考え方は、LMSと呼ばれる学習則と結びついています。営業予測で、予測と実績の差を見ながら係数を調整する表計算を想像すると近いでしょう。小さな誤差修正を繰り返して性能を上げる発想が、後のニューラルネットワーク理解につながります。
経営者にとってADALINEは、最新AIの導入判断で直接使う部品というより、AIが「学ぶ」とは何をするのかをつかむ入口です。モデルが賢くなる背景には、結果との差分を測り、調整を重ねる仕組みがあります。
Topic初期のAIは物理的な装置とも近かった
StanfordのWidrow公開資料では、ADALINEに関する1960年の技術報告やAdaptive Switching Circuitsが並んでいます。当時のニューラルネットワーク研究は、今のクラウドAIだけでなく、回路や装置として実現する発想とも密接でした。AI史を見ると、ソフトウェアとハードウェアの境界が今より近かったことが分かります。
ADALINEに関するよくある質問
- ADALINEは現在のAIで直接使われますか？
- 現在の大規模AIで中心的に使われる名前ではありません。ただし、重みを誤差で調整するという考え方を理解するうえで重要な歴史的モデルです。
- パーセプトロンとは何が違いますか？
- どちらも初期のニューラルネットワークですが、ADALINEは線形出力の誤差を使って重みを調整する点が特徴です。学習則の違いを見ると理解しやすいです。
