【DS検定対策】AI学習の原点！「ヘップの学習則」とシナプスの絆
「共に火を噴くニューロンは、共に繋がる（Cells that fire together, wire together）」。この一文に集約されるヘップの学習則を学びましょう。
1. 【 問題 】
心理学者ドナルド・ヘップが提唱した、ニューラルネットワークの学習の基礎となる考え方で、「シナプスの前後の神経細胞が同時に興奮するとき、そのシナプスの結合強度が強化される」という法則を何と呼ぶでしょうか？
① ムーアの法則
② ヘップの学習則（ヘブ則）
③ スケーリング則
④ べき乗則
2. 【 解答 】
3. 整理：学習とは「重み」が変わること
ヘップの学習則は、1949年に脳の学習メカニズムを説明するために提案されました。これが現代のAIにおける「重みの更新」のヒントになっています。
【 ヘブ則のメカニズム 】
1. 細胞Aが興奮し、信号を送る。
2. 同時に細胞Bも興奮する。
3. ★「この二つの連携は重要だ！」と脳が判断。
4. 次回から、Aの信号がより強くBに伝わるようになる（結合の強化）。
--------------------------
◎ 現代AIへの応用：
パーセプトロンなどのニューラルネットワークにおいて、入力と出力が連動する際に「重み（Weight）」の値を大きくする処理の理論的な裏付けとなっています。
4. なぜこれが「パーセプトロン」の基礎なのか？
1. 重みの更新: ニューラルネットワークが学習するとは、まさにこの「シナプス結合の強さ（重み）」を調整する作業そのものです。
2. 自己組織化: 外部から正解を与えられなくても、頻繁に起きるパターンを自然と記憶する「自己組織化マップ」などのモデルにも影響を与えています。
3. 生物学的妥当性: 数学的なアルゴリズムが、実際の生物の脳の仕組みに近いという点が、この分野の大きな強みになっています。
5. DS検定形式：実戦4択クイズ
問：ニューラルネットワークにおいて、入力信号と出力信号の相関に基づいて「重み」を調整するアルゴリズムの最も初期的な考え方はどれか。
① 誤差逆伝播法（バックプロパゲーション）
② ヘップの学習則
③ 勾配降下法
④ 正則化
【 正解： ② 】
解説： ①や③は後の時代に登場したより高度な手法ですが、その「根っこ」にあるのは「連動する部分を強くする」というヘップの考え方です。
6. まとめ
DS検定において「シナプス」「前後で同時に興奮」「結合の強化」というフレーズが出たら「ヘップの学習則」です。AIの歴史の1ページ目として、しっかり記憶に刻んでおきましょう！
