XOR問題(えっくすおあもんだい)とは

XOR問題とは、初期のニューラルネットワークである単層パーセプトロンが解けなかった、ごく単純な論理の問題のことです。2つの入力が「違うとき」だけ正解を出すXOR（排他的論理和）という条件を、まっすぐな1本の線では仕分けられない（線形分離できない）ことが理由でした。AI研究の歴史を大きく揺るがした、象徴的な“つまずきの石”として知られています。

なぜ単純な問題でつまずいたのか

XORは「どちらか一方だけがオンなら正解」という、子どもでも分かる単純なルールです。ところがその正解と不正解を図に置くと、1本の直線ではどうしてもキレイに2グループへ分けられません。単層パーセプトロンは「直線で区切る」ことしかできなかったため、XORが解けなかったのです。1969年、マービン・ミンスキーとシーモア・パパートが著書『パーセプトロン』でこの限界を数学的に示すと、ニューラルネットワーク研究は資金も期待も失い、いわゆる第一次「AIの冬」へと向かいます。今の生成AIブームよりはるか前、半世紀以上も前の出来事でした。

XOR問題に関するよくある質問

XOR問題は、その後どうやって解決されたのですか？

入力と出力の間に「隠れ層」を挟んだ多層のニューラルネットワークなら解けることが分かりました。これをうまく学習させる手法がバックプロパゲーション（誤差逆伝播法）で、1980年代のニューラルネット復活につながりました。

XOR問題の「線で分けられない」とは、どういうことですか？

正解と不正解を平面に並べると、まっすぐな1本の線では2つのグループに仕切れない配置になります。AND（両方オン）やOR（どちらかオン）は1本の線で分けられますが、XORだけはそれができない、という違いです。