バックプロパゲーションとディープラーニング｜誤差逆伝播法, Backpropagation & Deep Learning
定理：バックプロパゲーションとディープラーニング（誤差逆伝播法, Backpropagation & Deep Learning）
歴史的重要性：
人工知能（AI）における機械学習の革命的進展をもたらしたアルゴリズム。ニューラルネットワークの学習効率を飛躍的に向上させ、現代のディープラーニング（深層学習）時代を切り拓いた。画像認識、音声認識、自然言語処理など、現在のAI技術の基礎的手法となっている。
発表者：
ジェフリー・エベレスト・ヒントン（Geoffrey Everest Hinton）
生年月日：
1947年12月6日
出生地：
イギリス・ロンドン（London, UK）
主な論文：
『学習表現における誤差逆伝播法』（Learning representations by back-propagating errors）
発表年：
1986年
発表場所：
アメリカ合衆国・ペンシルベニア州ピッツバーグ
（ヒントンは当時、カーネギーメロン大学で研究を行っていた）
受賞：
ジェフリー・ヒントンはAI分野での貢献により、2018年チューリング賞（AI分野におけるノーベル賞相当）、2016年京都賞先端技術部門などを受賞。
公式（バックプロパゲーションの基本式）：
\[w_{ij}^{(new)} = w_{ij}^{(old)} – \eta \frac{\partial E}{\partial w_{ij}}\]公式の説明：
- wij：ニューロン間の接続重み
- E：誤差関数（目標出力と実際の出力との差異を表す）
- η \eta：学習率（パラメータの更新幅を調整）
- 出力層から入力層方向へと逆に誤差を伝播させ（逆伝播）、各層の重みを調整する。この繰り返しにより、ネットワークが最適なパラメータを学習する。
親交の深かった科学者：
- ヤン・ルカン（Yann LeCun、共にディープラーニングを発展させた研究者）
- ヨシュア・ベンジオ（Yoshua Bengio、AI分野での共同研究・交流）
- デミス・ハサビス（Demis Hassabis、AI開発者、DeepMind創業者）
- アンドリュー・エン（Andrew Ng、AI教育および機械学習研究で交流）
- ジョン・ホップフィールド（John Hopfield、AI・ニューラルネット研究で影響を与え合った）