AI 용어집 · 기초 · 언어 모델
퍼셉트론 Perceptron
퍼셉트론은 여러 입력에 각각 가중치를 곱해 더한 뒤, 그 합이 기준을 넘으면 1, 아니면 0을 내는 가장 단순한 인공 뉴런 모델입니다. 인공 신경망의 출발점이 된 기본 단위입니다.
어떻게 작동하나
입력값 하나하나에 가중치를 곱하고 모두 더한 다음, 편향(bias)이라는 기준 조정값을 더합니다. 그 합이 0보다 크면 1, 아니면 0을 출력합니다. 학습할 때는 틀린 예를 볼 때마다 정답 쪽으로 가중치를 조금씩 고칩니다. 이렇게 해서 데이터를 두 무리로 나누는 경계선을 스스로 찾아냅니다.
왜 중요한가
퍼셉트론은 '기계가 예시를 보고 가중치를 고쳐 가며 배운다'는 생각을 아주 단순한 형태로 보여 준 모델입니다. 오늘날 신경망의 뉴런 하나도 기본 골격은 퍼셉트론과 같습니다(가중합 → 활성화 함수). 그래서 신경망을 처음 배울 때 가장 먼저 다루는 개념입니다.
알아 둘 점
퍼셉트론 하나로는 직선 하나로 나눌 수 있는 문제만 풀 수 있습니다. 대표적으로 '둘 중 하나만 참일 때 참'인 XOR 문제는 풀지 못합니다. 이 한계는 퍼셉트론을 여러 층으로 쌓은 다층 퍼셉트론(MLP)과, 이를 학습시키는 역전파로 극복되었습니다. 지금은 0/1로 딱 자르는 대신 부드러운 활성화 함수를 쓰는 것이 보통입니다.
예시
스팸 메일 판별을 아주 단순하게 만든다면, '특정 단어 포함 여부', '링크 개수', '보낸 사람이 연락처에 있는지'를 입력으로 받아 가중합이 기준을 넘으면 스팸으로 분류하는 퍼셉트론을 생각할 수 있습니다. 실제 서비스는 훨씬 복잡한 신경망을 쓰지만, 그 안의 뉴런 하나하나가 이런 방식으로 계산합니다.