박재천의 디지털경제 이야기 <28> 신경망 모델링 (2) 퍼셉트론 > News Insight

퍼셉트론(perceptron)은 신경망의 한 모델이다. 1957년에 코넬항공연구소(Cornell Aeronautical Lab)의 프랑크 로젠블랫 (Frank Rosenblatt)에 의해 고안되었다.  로젠블랫은 인공지능과 기계 학습 분야에서 중요한 공헌을 한 미국의 신경심리학자이자 컴퓨터 과학자이다. 그의 페셉트론 모델은 현대 신경망(neural network)과 기계 학습(machine learning) 분야 발전의 기초가 되었다.   

로젠블랫은 주로 심리학, 신경과학, 컴퓨터 과학 분야에서 활동했다. 그의 연구는 인간의 학습 및 인지 과정에 대한 이해를 바탕으로 기계 학습 모델을 개발하는 데 중점을 두었다. 특히, 생물학적 뉴런의 작동 방식을 모방한 인공 신경망 모델을 통해 기계가 학습할 수 있는 방법을 개발하기 위한 연구에 집중했다.   

1950년대는 전자공학 및 컴퓨터 기술의 발전과 더불어 인간의 뇌와 인지 과정을 이해하려는 연구가 활발히 진행되던 시기였다. 연구자들은 기계가 인간의 뇌 기능을 모방할 수 있는 방법을 탐구하기 시작했다. 맥컬럭-피츠 모델이 단순한 신경망이 뉴런을 흉내내어 논리 연산을 수행할 수 있음을 보여 주었다. 이에 영감을 받은 로젠블랫은 한걸음 더 나아가 뉴런의 인지 방식과 인간의 학습 과정을 연구하며 이를 기계적으로 모방하려는 시도를 했다. 기계가 인간처럼 학습하고 판단할 수 있는 방법에 대한 관심을 가지고 있었고, 데이터를 통해 학습하고, 새로운 데이터를 처리하는 능력을 구현하는 목표를 가지고 있었다.   

로젠블랫이 퍼셉트론을 개발하면서 가지고 있었던 주요 의문점은 다음과 같다: 

1. 인간의 뉴런이 작동하고 학습하는 방식를 기계적으로 구현할 수 있는 모델은 무엇일까?  

2. 단순한 신경망 모델을 통해 얼마나 복잡한 문제를 해결할 수 있을까? 

3. 어떻게 스스로 학습하고, 주어진 데이터를 통해 점점 더 정확한 예측을 할 수 있을까?  

이러한 배경에서, 1957년에 로젠블랫은 퍼셉트론을 설계하고, 이를 구현하며 실험을 진행했다. 그는 퍼셉트론이 특정 입력 값에 대해 출력 값을 생성하는 과정을 통해 기계 학습을 할 수 있음을 입증하고자 했다. 퍼셉트론은 초기에 간단한 이진 분류 문제를 해결하는 데 성공함으로 시작해 인공 신경망과 기계 학습의 기초를 다지는 데 큰 기여를 했다. 비록 단순하고 한계가 있었지만, 현대 신경망과 기계 학습 알고리즘 개발의 중요한 기초를 마련했다. 이후 다층 퍼셉트론(Multi-layer Perceptron, MLP)과 같은 더 복잡한 모델로 발전하며, 현대 인공지능 연구의 중요한 토대가 되었다. ​

<ifsPOST>