001. 퍼셉트론, 인공지능의 첫걸음

안녕하세요! 지난번 첫 글에서 AI에 대한 깊이 있는 탐험을 시작한다고 말씀드렸죠? 오늘은 그 첫 번째 주제로 퍼셉트론(Perceptron)을 다뤄볼까 합니다.

퍼셉트론?

퍼셉트론은 가장 기초적인 인공 신경망 모델로, 간단히 말해 "컴퓨터가 데이터를 보고 참/거짓을 판단하는 모델"이에요. 1958년 프랭크 로젠블랫(Frank Rosenblatt)이 고안한 이 모델은, 현대 AI의 출발점이라고 할 수 있죠.

이해하기 쉽게 예를 들어볼게요.

• 이메일 스팸 필터: 메일이 스팸인지 아닌지 판단
• 간단한 얼굴 인식: 사진 속 사람이 웃고 있는지 판단

퍼셉트론은 이런 이진 분류(Binary Classification) 문제를 해결할 수 있어요.

퍼셉트론의 기본 구조

퍼셉트론은 기본적으로 아래 세 가지 요소로 구성됩니다.

1. 입력(Input): 우리가 넣어주는 데이터
2. 가중치(Weight)와 바이어스(Bias): 데이터의 중요도를 조정하는 값
3. 활성화 함수(Activation Function): 최종 결정을 내리는 역할

쉽게 말해, 퍼셉트론은 입력값과 가중치를 곱한 후, 일정 기준(임계값, threshold)을 넘으면 참(1) 아니면 거짓(0)을 출력하는 방식이에요.

이를 수식으로 표현하면 다음과 같습니다. 

y=f(WX+b)

• W = 가중치 (weight)
• X = 입력값 (input)
• b = 바이어스 (bias)
• f = 활성화 함수 (activation function)

WX + b의 결과 값을 어떤 활성함수 f에 의해 참 or 거짓이 되는 원리입니다~

퍼셉트론의 한계

퍼셉트론은 단순한 문제(예: AND, OR 연산)는 해결할 수 있지만, XOR 같은 비선형 문제는 해결하지 못합니다.(직선으로 분류를 하는 느낌인데.. 직선으로 XOR를 표현할수는 없거든요..) 그래서 이걸 극복하기 위해 다층 퍼셉트론(MLP, Multi-Layer Perceptron)이 등장했어요. (이 이야기는 다음 시간에 이어서 진행할게요~)

 

마무리

퍼셉트론은 AI의 기초 중 기초지만, 뉴럴 네트워크의 시작이 되는 중요한 개념이에요. 다음 글에서는 퍼셉트론의 한계를 어떻게 극복했는지, 그리고 신경망이 어떻게 발전해왔는지 살펴볼게요! 그럼 다음 글에서 만나요~!