福岛邦彦（Kunihiko Fukushima，1936年－）是日本计算机科学家，被誉为“卷积神经网络之父”。他于1980年提出的Neocognitron（新认知机）是首个具有卷积层和池化层结构的深度学习模型，为现代卷积神经网络（CNN）奠定了理论基础。其研究横跨生物视觉建模、模式识别与人工神经网络，对人工智能发展产生了深远影响。
1 生平与教育背景
1.1 早期生涯（1936-1959）
福岛邦彦于1936年出生于日本东京。少年时期对数学和物理表现出浓厚兴趣，尤其痴迷于当时新兴的电子计算机技术。高中毕业后，他考入京都大学工学部，正式踏上学术道路。在大学本科阶段，福岛接触到了控制论和神经网络的早期文献，尤其受到Warren McCulloch与Walter Pitts关于人工神经元模型（1943年）的启发。这段经历奠定了他日后将生物学机制引入计算模型的研究方向。
1.2 京都大学与研究生阶段（1960-1969）
1960年，福岛进入京都大学研究生院攻读电气工程专业。在导师吉田庄一郎的指导下，他系统研究了模式识别与生物视觉系统。这一时期，他深入研读了Frank Rosenblatt的感知机（Perceptron，1958年）研究，并开始思考如何构建更贴近生物神经元工作的层次化模型。1965年获得工科博士学位，学位论文主题为“基于神经网络的模式识别理论”。此后，他留校担任助理研究员，继续从事人工神经网络的基础理论探索。
1.3 研究机构生涯（1970-2000）
1.3.1 NHK广播技术研究所
1970年，福岛加入日本放送协会（NHK）的广播技术研究所（现NHK放送技术研究所）。在此工作的二十余年间，他专注于如何利用神经网络处理图像与视频信号。NHK研究所提供的计算资源与跨学科氛围，使福岛能够将生物视觉模型从理论推进到工程实现。1980年，他正式发表了新认知机（Neocognitron）模型，系统阐述了卷积层与池化层的设计思想。
1.3.2 大阪大学教授时期
1990年，福岛转任大阪大学工学部教授。在校期间，他开设了神经网络与模式识别课程，并指导多名研究生。其教学风格严谨而低调，注重培养学生对生物启发计算的理解。1996年，他出版的《神经网络与模式识别》（日文版）成为该领域的经典教材。他在大阪大学的研究进一步拓展了选择性注意模型（Selective Attention Model），用于解释视觉系统的注意力机制。
1.3.3 退休后的持续研究
2000年从大阪大学退休后，福岛并未停止研究。他先后受聘为多所高校的客座教授，继续撰写论文并参与学术会议。2017年，81岁高龄的他仍在国际期刊上发表了关于深层神经架构的改进论文。他始终保持对卷积神经网络发展的关注，并对深度学习领域的后辈学者持鼓励态度。
2 主要学术贡献
2.1 Neocognitron（新认知机）
新认知机是福岛邦彦最具代表性的学术贡献，于1980年在期刊《Biological Cybernetics》上正式发表。它是首个真正意义上具有层次化、局部连接与空间不变性的深度学习模型，是现代卷积神经网络（CNN）的直接鼻祖。
2.1.1 结构设计：S细胞与C细胞
新认知机通过交替堆叠两类功能细胞来实现视觉特征提取：
- S细胞（Simple cells，简单细胞）：负责从上一层提取特定局部特征（如边缘、朝向）。每个S细胞具有固定大小的感受野（Receptive Field），通过共享权重的卷积操作检测特征。其设计灵感来源于生物初级视觉皮层（V1）中的简单细胞。
- C细胞（Complex cells，复杂细胞）：对来自多个S细胞的输出进行池化（Pooling）操作，将局部特征在空间位置上进行聚合，使模型具备对输入变形（如平移、旋转、尺度变化）的容忍度。C细胞对应于生物视觉皮层中的复杂细胞。
这种“S层+C层”的交替结构，本质上是后来CNN中“卷积层+池化层”的原型。福岛特别强调了“局部感受野”与“权重共享”两个关键设计，它们后来成为CNN的基本特征。
2.1.2 无监督学习机制
与当时主流的有监督训练方法不同，新认知机采用了一种基于竞争型学习的无监督算法。在训练过程中，S细胞通过“胜者为王”（Winner-Take-All）机制选择性地响应特定输入特征。没有标签反馈，仅依靠输入模式的统计规律，模型就能自行组织成特征检测器。这种学习方式更接近生物系统中的发育过程。尽管后来的CNN普遍采用反向传播（Backpropagation）算法，但无监督学习方法在深度学习领域仍持续产生影响。
2.1.3 与生物视觉系统的类比
福岛在论文中多次引用神经生理学实验数据，针对性地将新认知机的结构与猴子和猫的视觉皮层区域（V1、V2、V4、IT）进行逐层对照。他明确指出，S细胞和C细胞的层次化加工正对应了Hubel与Wiesel在1960年代发现的视觉皮层功能柱结构。这种直接的生物类比使新认知机成为计算神经科学领域的经典模型，并启发了后续一系列生物启发式深度学习模型。
2.2 其他算法与模型
2.2.1 认知机（Cognitron）
1975年，福岛提出了新认知机的前身——认知机（Cognitron）模型。认知机采用逐层自组织学习的方式，用以实现简单的模式分类。但它缺乏空间不变性处理能力，只能识别严格对齐的输入模式。认知机是新认知机在架构上的重要铺垫，被后来的学者视为从感知机（Perceptron）到新认知机之间的过渡模型。
2.2.2 时间序列处理与选择性注意模型
1980年代后期，福岛开始研究如何将层次化模型扩展到时序信号处理。他提出了具有递归连接和反馈机制的神经网络模型，用以处理视频流中的运动模式。1990年代，他又开发了选择性注意模型（Selective Attention Model），旨在模拟视觉系统如何忽略无关信息而聚焦于关键目标。该模型引入了自上而下的注意控制机制，相比新认知机的单向前馈结构更为复杂。
2.3 发表著作与影响力论文
福岛邦彦的学术著作以论文和书籍为主：
- 1980年论文《Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position》在《Biological Cybernetics》发表，被引用次数超过10,000次（据Google Scholar统计）。
- 1996年专著《Neural Networks and Pattern Recognition》(日文版/英文版)，系统总结了其三十余年的研究。
- 2000-2020年间，他持续发表了多篇关于改进新认知机架构、引入反馈机制的论文。
其研究方向始终围绕“生物视觉建模”与“人工神经网络”两条主线，学术风格严谨务实，极少追逐短期热点。
3 对深度学习的影响
3.1 卷积神经网络的直接先驱
新认知机被公认为卷积神经网络（CNN）的直接前身。1980年模型的三大设计——局部感受野、权重共享和层级化特征提取——直接构成了现代CNN的三大核心要素。尽管新认知机当时并未直接应用于图像识别任务（受限于计算资源），但其理论框架深刻影响了后来几乎所有基于卷积的深度模型。深度学习研究者纷纷将福岛1980年的论文视为“原始CNN”的技术蓝本。
3.2 与Yann LeCun等学者的关联
3.2.1 LeNet对Neocognitron的继承与改进
1989年，Yann LeCun在贝尔实验室开发了LeNet-5，这是首个成功应用于手写数字识别的CNN模型。LeCun在论文中公开承认，其模型的设计灵感直接源于新认知机。二者的主要关联如下：
- 相同点：均采用交替的卷积层与池化层结构；均使用局部感受野与权重共享。
- 改进点：LeNet使用反向传播算法（基于梯度下降）进行监督学习，极大提升了训练效率；LeNet采用sigmoid/tanh激活函数而非新认知机中的阈值函数；池化方式也进行了优化（如平均池化取代简单求和）。
LeCun曾评价：“福岛的新认知机是卷积神经网络的真正起源，我只是用反向传播给它加上了‘引擎’。”
3.2.2 在ImageNet时代的再评价
2012年AlexNet在ImageNet挑战赛上获得突破性成绩后，深度学习社区掀起了一轮重新审视早期历史的浪潮。福岛邦彦在新认知机中蕴含的层级化不变性思想被广泛讨论，学界和业界一致公认他为“卷积神经网络之父”。值得注意的是，这种认可并不是“事后诸葛亮”——早在1980年代，多位学者（如Kunihiko Fukushima本人、Bernhard Widrow等）就已认识到该模型的巨大潜力，只是受限于硬件条件和数据规模未能亲自引爆革命。
3.3 当代应用与遗产
如今，CNN已渗透到图像识别、自动驾驶、医学影像分析、人脸识别、视频理解等多个领域。而这一切的底层雏形都不得不追溯至福岛邦彦1980年的设计。此外，新认知机中关于无监督学习的部分思想，近年来在自监督学习（Self-Supervised Learning）和对比学习（Contrastive Learning）的兴起中重新焕发生机——“具身智能”正呼吁更接近人脑的自主特征发现方式，而福岛当年提出的“无标签也能组织”的思路恰好提供了灵感。
4 奖项与荣誉
4.1 IEEE神经网络先锋奖
1998年，福岛邦彦被IEEE神经网络学会授予“神经网络先锋奖”（IEEE Neural Networks Pioneer Award）。该奖项旨在表彰在神经网络领域做出开创性长期贡献的学者。福岛是首批获此殊荣的日本研究员之一，颁奖词中特别强调了他提出新认知机（Neocognitron）的原创性贡献。
4.2 其他学术荣誉
- 1990年：日本电子情报通信学会（IEICE）授予其论文奖。
- 2003年：国际神经网络学会（INNS）授予其“Helmholtz Award”（亥姆霍兹奖），以表彰他在计算神经科学和模式识别方面的成就。
- 2018年：被IEEE计算智能学会（IEEE CIS）授予“杰出学术成就奖”。
- 2020年：位列“深度学习影响力50人”榜单（由国际媒体评选），与Geoffrey Hinton、Yoshua Bengio、Yann LeCun等巨头并列。
4.3 学界俗称“福岛流”的戏谑梗
由于福岛邦彦的论文风格极其细致且反复强调“生物类比”，在神经网络研究圈中形成了一条“福岛流”（Fukushima-style）的非正式称呼。这个梗最早源自2010年代早期的深度学习讨论组，当某篇论文的架构大量使用“生物启发”并且层层堆叠时，评论者常戏称：“这手法很‘福岛’啊，细胞又来了。”这并非贬义——实际上反映了学界的亲切调侃与对福岛原创风格的普遍认可。有时，“福岛流”也被当作“结构严谨且注重生物学对应”的代名词。
5 公众认知与轶事
5.1 低调的学术性格
福岛邦彦的公众形象极为低调。在1980年代新认知机发表后的二十余年里，他几乎不主动推销自己的研究成果，甚至多次婉拒媒体采访。与同时代其他“深度学习三巨头”的高调演讲不同，福岛始终偏爱在实验室中默默改进模型。他的一位学生回忆：“福岛老师从不抢功劳，哪怕后辈用了他的思想发了顶会论文，他也只是微笑着点一点头。”这种性格导致他长期在公众视野之外，直到2010年代CNN全面爆发，才被“二次发现”。
5.2 “被遗忘的先驱”与二次翻红
在2000年代，神经网络研究遭遇“人工智能寒冬”，新认知机的名气仅限于圈内。2012年之后，随着深度学习热潮席卷全球，人们惊讶地发现：当年那个默默无闻的日本老头，早在40年前就画出了现代CNN的蓝图。一夜间，福岛邦彦的维基百科词条点击量暴增，他被冠以“被遗忘的先驱”称号。福岛本人对此幽默回应：“被遗忘也没关系，只要模型没有被遗忘就好。”2018年，他受邀在NIPS（NeurIPS）会议上作历史回顾演讲，台下座无虚席，掌声经久不息。
5.3 相关制品与纪念
- 日本学界在2020年以新认知机发表40周年为契机，推出了一批纪念短视频和学术特刊。
- 东京的一家科技博物馆在“人工智能历史展区”中摆放了新认知机架构的3D打印模型。
- 部分民用科技公司（如一家创业公司生产了一款名为“新认知机”的智能摄像头，尽管只是名字上的致敬）也借用了“Neocognitron”作为品牌标签。
- 在Reddit的深度学习板块，用户常发布“AI之父合集”的梗图，福岛经常被画成穿着和服、手捧一台15英寸CRT显示器的老爷爷——背景则是卷积窗口在层层盛开。
6 延伸阅读与参考资料
- Fukushima, K. (1980). Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. *Biological Cybernetics*, 36(4), 193-202.
- Fukushima, K. (1988). Neocognitron: A hierarchical neural network capable of visual pattern recognition. *Neural Networks*, 1(2), 119-130.
- LeCun, Y., & Bengio, Y. (1995). Convolutional networks for images, speech, and time series. In *The handbook of brain theory and neural networks* (pp. 255-258).
- Schmidhuber, J. (2015). Deep learning in neural networks: An overview. *Neural Networks*, 61, 85-117. （该文专辟一节“Fukushima’s Neocognitron”）。
- 福岛邦彦个人学术网站（日文/英文）：包含论文原文与晚年研究笔记。
- 纪录片《深度学习简史》（2019年）第二集“未竟的征途”：专访福岛邦彦与多位早期研究者。