認知対流モデル（にんちりゅうとうもでる）
最終更新：2026/4/24
認知対流モデルは、人間の認知プロセスを、情報が脳内で流動し、相互作用する現象として捉える計算論的モデルである。
別名・同義語 コネクショニストモデル並列分散処理モデル
ポイント
このモデルは、ニューラルネットワークやベイズネットワークといった手法を用いて、記憶、学習、推論などの認知機能をシミュレーションする。
認知対流モデルの概要
認知対流モデルは、1980年代にデイビッド・ルーメルハートらが提唱した、人間の認知機能を説明するための計算論的アプローチです。従来の認知科学における記号処理的なアプローチとは異なり、認知対流モデルは、脳内の情報処理を、ニューラルネットワークにおける情報の伝達と変換に類似した、連続的なプロセスとして捉えます。
モデルの基本原理
認知対流モデルの基本的な考え方は、以下の通りです。
- 分散表現: 情報は、特定のニューロンや記号に局在するのではなく、ニューラルネットワーク全体に分散して表現されます。
- 並列処理: 複数の情報処理が同時に、並行して行われます。
- 学習: 経験を通じて、ネットワーク内の結合の強さが変化し、学習が実現されます。
- 自己組織化: ネットワークは、外部からの入力に基づいて、自律的に構造を変化させ、パターンを認識する能力を獲得します。
認知対流モデルの応用
認知対流モデルは、様々な認知機能のシミュレーションに用いられています。例えば、
関連するモデル
認知対流モデルと関連するモデルとしては、以下のようなものがあります。