퍼셉트론 (Perceptron) 뜻 — 비유로 쉽게

1비유로 이해하기

학원에서 상위반을 뽑을 때 수학 점수와 영어 점수를 그냥 더하지는 않아요. 상위반이 수학 중심이면 수학 점수에 곱하는 비중을 크게 두고 영어는 작게 둬요. 여기에 그해 반 정원 사정에 따라 커트라인을 조금 올리거나 내려요. 이렇게 계산한 점수가 컷을 넘으면 상위반, 못 넘으면 그대로예요. 넘었는지 아닌지 둘 중 하나만 나오고, 몇 점 차이로 넘었는지는 알려 주지 않아요. 배정 결과가 자꾸 어긋나면 다음 학기에 과목 비중과 컷을 조금씩 고쳐요. 몇 학기를 이렇게 되풀이하면 아무도 규칙을 적어 주지 않았는데도 꽤 쓸 만한 기준이 잡혀요. 퍼셉트론이 딱 이 방식이에요.

2자세히 알아보기

곱해서 더하고 문턱과 견주기

퍼셉트론이 하는 일은 세 단계로 끝나요. 먼저 들어온 값마다 정해진 비중을 곱해요. 그다음 그 결과를 전부 더하고, 기준선을 옮기는 값 하나를 보태요. 마지막으로 그 합이 0을 넘는지 견줘서 넘으면 1, 못 넘으면 0을 내놓아요.

비중이 하는 일이 핵심이에요. 비중이 크면 그 입력을 중요하게 보고, 작으면 흘려듣고, 음수면 오히려 반대 근거로 받아들여요. 기준선을 옮기는 값은 전체를 얼마나 후하게 볼지 인색하게 볼지를 정해요. 같은 점수표라도 이 값 하나로 합격선이 통째로 오르내려요.

틀리면 비중을 고치는 학습

퍼셉트론이 남긴 진짜 유산은 계산 방식이 아니라 고치는 방식이에요. 정답이 붙은 예시를 하나씩 보여 주고, 답이 맞으면 그냥 넘어가요. 틀렸을 때만 손을 대는데, 방향이 아주 단순해요. 넘겨야 하는데 못 넘겼다면 그 예시에서 컸던 입력의 비중을 조금 올리고, 넘지 말아야 하는데 넘겼다면 조금 내려요.

이 과정을 예시마다 되풀이하면 비중이 서서히 자리를 잡아요. 사람이 규칙을 한 줄도 적어 주지 않았는데 기계가 예시만 보고 판단 기준을 만들어 낸 셈이에요. 지금의 학습도 뿌리는 같아요. 틀린 만큼 아주 조금씩 값을 옮긴다는 생각은 그대로 이어져요.

한 줄로는 못 자르는 문제

한계는 분명했어요. 곱해서 더한 뒤 문턱과 견주는 구조는 곧은 경계 하나를 긋는 일과 같아요. 둘 다 참일 때만 참, 둘 중 하나라도 참이면 참 같은 문제는 이 선 하나로 깔끔하게 갈려요.

문제는 두 조건 중 정확히 하나만 참일 때 참이 되는 배치예요. 네 경우를 종이에 찍어 놓고 아무리 선을 그어 봐도 한 줄로는 갈라지지 않아요. 학원 비유로 옮기면 두 과목을 다 잘하거나 다 못하는 학생은 빼고, 한 과목만 잘하는 학생만 뽑으라는 조건이에요. 어떤 비중과 컷을 골라도 이 조건은 못 맞춰요. 이 지적이 널리 알려지면서 신경망 연구는 십수 년간 겨울을 맞았어요.

쌓으면서 지금의 신경망이 됐어요

풀이는 두 가지였어요. 하나는 퍼셉트론을 여러 개 늘어놓고 그 결과를 다시 다른 퍼셉트론에 넣는 것이에요. 중간 자리가 각자 곧은 경계를 하나씩 긋고, 뒷자리가 그 결과를 조합하면 굽은 경계도 만들어져요.

다른 하나는 문턱을 부드럽게 바꾸는 것이었어요. 넘었다·못 넘었다만 답하면 얼마나 어긋났는지를 되돌려 보낼 수가 없어요. 문턱을 매끄러운 곡선으로 바꾸자 어긋난 정도가 뒤로 흘러갈 길이 생겼고, 층을 쌓은 신경망도 학습할 수 있게 됐어요. 지금 쓰는 신경망은 이 두 가지를 갖춘 퍼셉트론의 후손이에요.

3조금 더 정확하게

퍼셉트론은 1950년대 후반에 제안된 가장 단순한 형태의 인공 뉴런이에요. 입력마다 가중치를 곱해 더하고 편향값을 보탠 뒤, 계단 모양 함수를 통과시켜 0 또는 1을 내놓아요. 학습 규칙은 답이 틀렸을 때만 가중치를 입력값 방향으로 조금 옮기는 방식이고, 곧은 경계로 갈릴 수 있는 자료라면 반드시 답을 찾아낸다는 것이 증명돼 있어요.

비유가 어긋나는 지점도 있어요. 학원 컷은 사람이 회의로 정하지만 퍼셉트론의 비중은 예시를 보며 자동으로 정해져요. 또 점수는 대체로 양수지만 퍼셉트론의 입력과 비중은 음수도 자유롭게 가져요. 오늘날 신경망의 뉴런은 계단 대신 매끄러운 규칙을 쓰기 때문에 0과 1 사이의 중간값을 내놓는다는 점도 달라요. 그리고 학원 컷은 한 번 정하면 학기 내내 유지되지만, 퍼셉트론의 비중은 예시를 하나 볼 때마다 곧바로 손질돼요.

4직접 해보기

텐서플로 플레이그라운드 ailearn.space 은닉층을 0으로 두면 퍼셉트론과 같은 상태가 돼요. 곧은 선 하나로는 못 푸는 배치를 골라 보세요

5흔한 오해

퍼셉트론이 지금의 신경망과 같은 것이라고 생각하기 쉽지만, 실제로는 층이 하나뿐이고 답도 둘 중 하나만 내놓는 훨씬 단순한 장치예요.
한 줄로 못 자르는 문제는 신경망이 원래 못 푼다고 여기기 쉽지만, 실제로는 퍼셉트론을 층으로 쌓는 순간 풀려요.
퍼셉트론은 옛날 이야기라 쓸모가 없다고 생각하기 쉽지만, 실제로는 지금의 뉴런 하나가 하는 계산이 여전히 이 구조 그대로예요.

7한 줄 요약

그러니까퍼셉트론은 입력을 저울질해 더한 뒤 문턱을 넘었는지만 답하는 가장 단순한 신경망이고, 이것을 여러 층으로 쌓으면서 오늘날의 신경망이 시작됐어요.

이 비유가 이해에 도움이 됐나요?

잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정2026-09-02