가장 작은 인공 두뇌 만들기: 파이썬으로 퍼셉트론을 밑바닥부터 구현해보자

거대한 AI도 결국 이 작은 벽돌에서 시작했어요

ChatGPT니 거대 언어모델이니 요즘 AI가 워낙 화려하다 보니, '딥러닝은 나랑 먼 이야기' 같은 느낌이 들 수 있어요. 그런데 그 모든 신경망의 가장 작은 출발점, 그러니까 '인공 뉴런 한 개' 가 바로 퍼셉트론(perceptron)이에요. 이 글은 라이브러리에 의존하지 않고 파이썬으로 퍼셉트론을 처음부터 직접 만들어보면서, 신경망이 '학습한다'는 게 도대체 무슨 뜻인지 몸으로 이해하게 해줍니다.

퍼셉트론이 뭐냐면요

퍼셉트론은 1950년대에 나온 아주 오래된 개념인데, 우리 뇌의 신경세포(뉴런) 하나를 아주 단순하게 흉내 낸 거예요. 동작 방식은 의외로 간단해요. 여러 개의 입력값이 들어오면, 각 입력에 가중치(weight) 를 곱해서 다 더하고, 거기에 편향(bias) 이라는 값을 하나 보탠 다음, 그 결과가 어떤 기준선을 넘으면 1, 못 넘으면 0을 내보내는 거죠.

비유하자면 이런 거예요. 친구들과 여행을 갈지 말지 정하는데, '날씨', '비용', '거리' 세 가지를 본다고 해봐요. 나한테는 비용이 제일 중요하니까 비용에 큰 가중치를 주고, 거리는 별로 안 중요하니 작은 가중치를 줘요. 그렇게 각 항목 점수에 중요도를 곱해 합산한 뒤, '이 정도면 갈 만하다'는 기준을 넘으면 "가자!"(1), 못 넘으면 "패스"(0) 하는 거죠. 퍼셉트론이 하는 일이 딱 이거예요.

핵심은 '스스로 가중치를 고쳐나가는' 학습이에요

진짜 신기한 부분은 따로 있어요. 처음엔 가중치를 아무렇게나(보통 0이나 랜덤값으로) 시작하거든요. 그래서 처음엔 엉뚱한 답을 냅니다. 그런데 정답이 있는 데이터를 하나씩 보여주면서 '틀렸으면 그만큼 가중치를 조금씩 고쳐라' 하는 규칙을 반복하면, 점점 정답을 맞히는 방향으로 가중치가 조정돼요. 이게 바로 학습이에요.

퍼셉트론의 학습 규칙은 굉장히 직관적이에요. 예측이 정답보다 작게 나왔으면(0이라고 했는데 정답이 1) 가중치를 키우고, 크게 나왔으면 줄여요. 정확히는 새 가중치 = 기존 가중치 + 학습률 × (정답 - 예측값) × 입력값 이런 식으로 갱신합니다. 여기서 학습률(learning rate) 은 '한 번에 얼마나 크게 고칠지'를 정하는 보폭 같은 거예요. 너무 크면 정답을 지나쳐 버리고, 너무 작으면 학습이 한없이 느려지죠.

코드로 보면 정말 짧아요. 입력 배열과 가중치를 곱해 더하는 함수, 결과를 0/1로 바꾸는 함수, 그리고 데이터를 여러 번 돌면서 위 규칙으로 가중치를 고치는 반복문. 이게 전부예요. 넘파이 약간만 있으면 수십 줄로 끝납니다. AND나 OR 같은 논리 연산을 학습시켜 보면, 기계가 스스로 규칙을 찾아내는 걸 눈으로 확인할 수 있어요.

한계도 알아야 진짜 이해예요

퍼셉트론에는 유명한 약점이 있어요. XOR 문제라고, 'A와 B가 서로 다를 때만 참'인 패턴은 퍼셉트론 하나로는 절대 못 풉니다. 직선 하나로는 그 데이터를 두 그룹으로 가를 수 없거든요. 이 한계가 1970년대 AI 연구를 한동안 얼어붙게 만들기도 했어요. 그런데 바로 이 약점을 뚫으려고 퍼셉트론을 여러 층으로 쌓고(다층 퍼셉트론), 곡선 같은 복잡한 경계도 그릴 수 있게 활성화 함수를 비선형으로 바꾸고, 오차를 거꾸로 전파시키는 역전파(backpropagation)를 붙인 결과가 바로 오늘날의 딥러닝이에요. 즉 퍼셉트론을 이해하면 현대 신경망이 왜 그런 구조가 됐는지가 자연스럽게 보여요.

한국 개발자에게

요즘은 PyTorch 한두 줄이면 모델이 뚝딱 나오는 시대지만, 그럴수록 이런 밑바닥 구현을 한 번쯤 손으로 해보는 게 큰 도움이 돼요. 가중치, 편향, 학습률, 손실 같은 개념이 추상적인 단어가 아니라 '내가 짠 반복문 안의 변수'로 와닿거든요. 면접에서 신경망 원리를 설명할 때도, 라이브러리 사용법만 아는 사람과 밑바닥을 이해한 사람의 깊이는 확연히 다릅니다. 주말에 한 시간만 투자해 직접 타이핑해 보시길 추천해요.

마무리

핵심 한 줄: 퍼셉트론은 '가중합 + 기준선 판단 + 틀린 만큼 보정'이라는 단순한 규칙 하나로 학습의 본질을 보여주는, 신경망의 가장 작은 벽돌이에요. 여러분은 딥러닝을 처음 배울 때 위에서부터(라이브러리) 내려오는 게 좋다고 보세요, 아니면 이렇게 밑바닥부터 쌓아 올리는 게 좋다고 보세요?