박재천의 디지털경제 이야기 <29> 신경망 모델링(3) 퍼셉트론 실험 > News Insight

프랭크 로젠블랫(Frank Rosenblatt)이 고안한 모델 퍼셉트론은 <아래 그림>과 같이 표현된다. 그는 실제 실험을 통해 이 모델이 인공적으로 학습할 수 있는 지능을 만드는데 유용하다는 것을 입증하려고 실험을 진행했다. 실험은 당시 뉴욕 주 이타카에 있는 코넬 항공 연구소(Cornell Aeronautical Laboratory)에서 진행되었다. 퍼셉트론이 특정 입력 값에 대해 올바른 답을 생성할 수 있는지, 즉 학습을 통해 문제를 해결할 수 있는지 밝히기 위한 테스트였다. 

로젠블랫은 퍼셉트론의 실험을 위해 하드웨어를 스스로 설계하여 '마크 1 퍼셉트론(Mark 1 Perceptron)'이라는 기계를 만들었다. 이 기계는 400개의 광전지로 이루어진 장치로 데이터를 입력하였고 가중치를 조정하는 메커니즘도 포함하였다. 학습 알고리즘은 입력 값과 가중치를 기반으로 오차를 최소화하는 방향으로 가중치를 최적화 하였다.    

초기 실험은 퍼셉트론이 시각적인 패턴을 인식하고, ‘참’과 ‘거짓’간의 분류 문제를 해결할 수 있는지에 관련된 것이었다.  이 실험은 초기 인공지능 연구에 중요한 계기를 제공했으며,  다음과 같은 결과를 얻는데 성공했다.  

1.  퍼셉트론이 특정 형태의 문자를 인식하고 이를 올바르게 분류할 수 있다. 

2. 데이터를 선형적으로 구분할 수 있는 경우, 퍼셉트론은 올바르게 분류하는 것을 확인하였다. 

3. 퍼셉트론의 중요한 한계점도 발견되었다. 가장 유명한 예로, XOR 게이트 문제와 같이 선형적으로 분리되지 않는 데이터에 대해서는 퍼셉트론이 올바른 분류를 수행할 수 없었다.  

1958년 7월 13일, 뉴욕 타임즈는 “전자‘두뇌’가 스스로를 가르치다(Electric‘Brain’Teaches Itself)”라는 제목의 기사를 내보냈다. “퍼셉트론(Perceptron)이라 명명된 이 장치는 기계적 학습을 통해 주변을 감지, 인식, 분별하는 능력을 가지고 있었다.” 실험을 지원했던 미 해군은 퍼셉트론을 걷고, 말하고, 보고, 읽고, 쓰고, 스스로의 존재를 인지하는 기계로 발전시킬 것이라는 포부를 드러내기도 했다.  

퍼셉트론의 등장은 널리 소개되었고 사람처럼 생각하는 기계가 발명될지도 모른다는 희망을 보여줬다. 인공지능과 기계 학습의 발전을 위해 큰 기여를 했다. 인공신경망 연구의 출발점을 제공하였다. 비록 비선형적인 분류 문제에서는 작동하지 못했지만, 후에 다층 퍼셉트론(Multi-layer Perceptron, MLP)과 같은 더 복잡한 신경망 구조로 이 문제는 해결되었다. 결국, 로젠블랫의 퍼셉트론 모델은 인공지능을 기계적으로 구현할 수 있다는 가능성을 증명하였다.  ​ 

<ifsPOST>