퍼셉트론: 최초의 학습하는 기계

1957년 여름, 코넬 대학교의 심리학자 프랭크 로젠블라트(Frank Rosenblatt)는 인공지능 역사상 가장 중요한 발명품 중 하나를 세상에 내놓았다. 바로 '퍼셉트론(Perceptron)'이었다. 이 단순해 보이는 기계는 인간의 뉴런을 모방하여 스스로 학습할 수 있는 최초의 인공 신경망으로, 오늘날 딥러닝 혁명의 씨앗이 되었다.

생물학적 영감에서 탄생한 기계

로젠블라트는 1943년 맥컬록과 피츠가 제안한 인공 뉴런 개념을 한 단계 더 발전시켰다. 그는 인간 뇌의 시각 피질에서 영감을 받아, 입력 신호들을 가중치와 곱하고 합산한 후 임계값을 넘으면 활성화되는 단순한 구조를 설계했다. 핵심은 이 가중치들이 경험을 통해 자동으로 조정될 수 있다는 점이었다.

퍼셉트론은 400개의 광센서가 달린 입력층과 단일 출력 노드로 구성되어, 간단한 패턴을 구별할 수 있었다. 삼각형과 사각형, 또는 알파벳 글자들을 구분하는 실험에서 놀라운 성과를 보여주었다.

과대한 기대와 현실의 벽

로젠블라트는 퍼셉트론의 가능성에 대해 매우 낙관적이었다. 그는 "퍼셉트론이 걷고, 말하고, 보고, 쓰고, 스스로를 복제하며, 자신의 존재를 인식하는 기계의 배아"라고 선언했다. 언론들도 이러한 기대감에 동조하며 "전자 뇌"라는 자극적인 제목으로 퍼셉트론을 소개했다.

하지만 1969년 마빈 민스키와 시모어 페퍼트는 『퍼셉트론』이라는 책에서 단층 퍼셉트론의 근본적 한계를 수학적으로 증명했다. 가장 유명한 예가 XOR 문제였다. 퍼셉트론은 선형적으로 분리 가능한 패턴만 학습할 수 있어, 복잡한 논리 연산이나 현실의 문제들을 해결하기엔 턱없이 부족했다.

현대 AI의 출발점

민스키와 페퍼트의 비판으로 신경망 연구는 한동안 침체기를 맞았지만, 퍼셉트론의 핵심 아이디어는 살아남았다. 1980년대 역전파 알고리즘이 등장하면서 다층 퍼셉트론이 가능해졌고, 2010년대 딥러닝 혁명의 토대가 되었다. 오늘날 우리가 사용하는 ChatGPT나 이미지 인식 AI들도 결국 퍼셉트론의 후손들이다.

로젠블라트의 퍼셉트론은 비록 단순했지만, 기계가 경험을 통해 학습할 수 있다는 가능성을 처음으로 실현했다. 그것은 인공지능이 단순한 계산기를 넘어 진정한 '학습하는 기계'로 진화할 수 있음을 보여준 역사적 순간이었다.