ボルツマンマシンは,相互結合型のニューラルネットワークとして知られるホップフィールドモデルの状態変化規則に確率や温度の概念を導入して拡張したものである.しかし,その一方では,単なるニューラルネットワークのモデルにはとどまらず,統計学,統計力学,情報幾何学をはじめとするさまざまな概念の交錯点としての側面をもつ. 本論文では,ボルツマンマシンを統計的モデルの1つとして捉え,その意義と可能性について議論する.具体的には,ボルツマンマシンの状態変化則や学習則,最大エントロピー性,空間的マルコフ性等の性質を,ギブスサンプラー,指数型分布族,マルコフ場などに関する一般理論の立場から解説する.さらに,ボルツマンマシンを応用した最近の研究例も紹介する.