인공지능(AI)의 복잡한 신경망(neural network) 뒤에는 '퍼셉트론(perceptron)'이라는 놀랍도록 단순한 아이디어가 숨어 있습니다. 1958년 프랭크 로젠블랫(Frank Rosenblatt)이 개발한 퍼셉트론은 단일 뇌 세포, 즉 뉴런(neuron)에서 영감을 받아 만들어졌으며, 입력값을 받아 '예/아니오'로 답하는 가장 작은 형태의 뇌라고 할 수 있습니다. 이 글은 파이썬(Python)을 이용해 퍼셉트론을 처음부터 직접 구현하며, AI 학습의 기본 원리를 쉽고 직관적으로 설명합니다.
퍼셉트론의 작동 방식은 우리가 일상에서 결정을 내리는 과정과 유사합니다. 예를 들어, 존(John)이 이직 제안을 수락할지 결정할 때, 그는 '추가 급여'와 '거주지 이동 여부' 같은 여러 요소를 고려하고 각 요소의 중요도(가중치, weight)를 다르게 부여합니다. 이 값들을 합산하여 특정 기준점(편향, bias)을 넘으면 '수락', 아니면 '거절'을 결정하는 식입니다. 퍼셉트론은 이 과정을 수학적으로 모델링한 것으로, 입력값(x)에 가중치(w)를 곱하고 편향(b)을 더한 값이 0보다 크면 1(예), 아니면 0(아니오)을 출력합니다. 즉, `출력 = 1 if (w · x + b) > 0 else 0` 이라는 간단한 수식으로 표현됩니다.
퍼셉트론이 학습하는 과정은 '오류로부터 배우는 것'입니다. 처음에는 무작위로 설정된 가중치와 편향 때문에 엉뚱한 예측을 하지만, 예측이 틀릴 때마다 실제 정답과의 차이(오류, error)를 계산하여 가중치와 편향을 조금씩 조정합니다. 이때 '학습률(learning rate)'이 조정 폭을 결정하며, 이 과정을 데이터 전체에 대해 여러 번 반복하는 것을 '에포크(epoch)'라고 합니다. 이 반복적인 훈련(training)을 통해 퍼셉트론은 데이터의 패턴을 파악하고 정확한 '결정 경계(decision boundary)'를 찾아냅니다. 결정 경계는 퍼셉트론이 '예'와 '아니오'를 나누는 기준선으로, 편향(bias)이 이 경계선을 원하는 위치로 이동시키는 중요한 역할을 합니다. 편향이 없다면 결정 경계는 항상 0에 고정되어 복잡한 문제를 해결할 수 없게 됩니다.