신기한 연구소

음식도 맛있고 양도 많은데 가격까지 저렴하다면 우리는 가성비가 좋다고 표현한다.

음식과 가격 둘 다 만족해야 가성비라는 표현을 쓴다.

이 중 하나라도 맘에 안들면 가성비가 좋다고 하지 않는다.

논리 회로 중 하나인 AND 게이트가 바로 이 역할을 한다.

AND 게이트는 딥러닝 퍼셉트론에서 어떻게 활용하는지 알아보자.

AND 게이트와 퍼셉트론

AND 게이트는 무엇인지 의미를 알아보자.

AND는 우리말로 "그리고", "~과/~와"로 해석된다.

가성비 이야기에서 둘 다 만족해야 한다고 했다.

AND가 이 역할을 한다.

가성비를 파이썬 프로그램으로 간단하게 구현해 보자.

food와 price 둘 다 만족해야 (true) effective가 출력된다.

파이썬 문법도 둘 다 만족하는 조건식에 "and"를 사용한다.

컴퓨터가 좋아하는 0과 1로 변경해서 다시 코드를 작성해 보자.

만약 x와 y가 1이면 출력값은 1이다.

둘 중 하나라도 1이 아니면 출력값은 0이 된다.

AND 게이트 진리표

AND 게이트 진리표를 표로 정리해 보자.

1:true, 0:false로 생각하면 된다.

x1과 x2 둘 다 1 (true)인 경우만 출력값 y가 1 (true)가 된다.

AND 게이트 논리 회로는 이렇게 구성되어 있다.

AND 게이트와 퍼셉트론의 활용

이제 퍼셉트론을 활용해서 계산을 해보자.

퍼셉트론에서 사용되는 가중치 w와 임계값 𝞱를 이용해서 AND 게이트를 계산한다.

퍼셉트론 계산식을 다시 보자.

퍼셉트론 포스팅에서 봤던 동작 원리 공식이다.

2024.11.19 - [인공지능(AI)/딥러닝(DeepLearning)] - [딥러닝]퍼셉트론(Perceptron)이란? 초보 인공지능(AI) 개발자를 위한 쉬운 설명, 퍼셉트론 뜻

위 식과 AND 게이트 진리표를 활용해서 출력값을 확인해 보자.

위 식을 보면 입력값 x에 가중치 w를 곱한 값들을 더해서 임계값( 𝞱 )보다 크면 1을 반환한다.

입력값 x는 AND 게이트의 진리표에 정의되어 있다.

가중치와 임계값을 정하자.

입력값 x는 x1, x2 두 개이므로 각 입력값에 대응할 가중치도 w1, w2 두 개로 정한다.

(w1, w2, 𝞱 ) 

w1 = 0.7, w2 = 0.3, 𝞱 = 0.9

(0.7, 0.3, 0.9)

임계값 (𝞱) 는 AND 게이트에 적합한 출력값을 만들기 위해서 가중치 중 최대값(w1=0.7)보다 크게 설정한다.

이제 AND 게이트 값을 활용해서 계산해보자.

(x1, x2) -> (0, 0)

0 * 0.7 + 0 * 0.3 = 0 <= 0.9 이므로 출력값 y = 0 이 된다.

(x1, x2) -> (1, 0)

1 * 0.7 + 0 * 0.3 = 0.7 <= 0.9 이므로 출력값 y = 0 이 된다.

(x1, x2) -> (0, 1)

0 * 0.7 + 1 * 0.3 = 0.3 <= 0.9 이므로 출력값 y = 0 이 된다.

(x1, x2) -> (1, 1)

1 * 0.7 + 1 * 0.3 = 1.0 > 0.9 이므로 출력값 y = 1 이 된다.

결과를 보면 (0.7, 0.3, 0.9)는 AND 게이트와 같은 출력값을 만드는 가중치와 임계값이 된다.

만약 다음과 같이 가중치와 임계값을 설정했다면 어떤 결과가 나올까?

(w1, w2,  𝞱 ) 

w1 = 0.7, w2 = 0.3, 𝞱 = 0.5

(0.7, 0.3, 0.5)

(x1, x2) -> (0, 0)

0 * 0.7 + 0 * 0.3 = 0 <= 0.5 이므로 출력값 y = 0 이 된다.

(x1, x2) -> (1, 0)

1 * 0.7 + 0 * 0.3 = 0.7 > 0.5 이므로 출력값 y = 1 이 된다.

(x1, x2) -> (0, 1)

0 * 0.7 + 1 * 0.3 = 0.3 <= 0.5 이므로 출력값 y = 0 이 된다.

(x1, x2) -> (1, 1)

1 * 0.7 + 1 * 0.3 = 1.0 > 0.5 이므로 출력값 y = 1 이 된다.

두 번째  (x1, x2) -> (1, 0) 입력값에 대한 출력값이 0이 아닌 1이 나왔다.

AND 게이트의 출력값과 다른 결과가 나왔다.

AND 게이트가 성립하도록 임계값( 𝞱 )을 잘 설정하자.

AND 게이트와 퍼셉트론은 어떻게 활용하지?

식당을 방문한 고객들의 리뷰 정보를 활용해서 가성비 식당 판별을 해보자.

총점을 100점으로 정하고 맛과 가격의 비율을 정한다.

맛과 가격을 6:4 비율로 정하고 100점 기준 70점 이상이 나오면 가성비 식당으로 출력한다.

리뷰에서 맛과 가격 두 가지 입력값을 받는다.

맛있으면 "O" 아니면 "X", 적정가격 이하면  "O" 비싸면 "X"를 선택한다.

A는 맛은 O, 가격도 O를 선택했다.

B는 맛은 O, 가격은 X를 선택했다.

C는 맛은 X, 가격도 X를 선택했다.

이 입력값으로 사용자들의 가성비 평가를 해보자.

(0.6, 0.4, 0.7) 가중치 6:4 비율에 임계값이 100점 기준 70점이면 1 기준 0.7이다.

A : 1 * 0.6 + 1 * 0.4 = 1.0 > 0.7 결과는 1로 가성비 맛집으로 평가됨.

B : 1 * 0.6 + 0 * 0.4 = 0.6 <= 0.7 결과는 0으로 가성비 맛집 미달됨.

C : 0 * 0.6 + 0 * 0.4 = 0.0 <= 0.7 결과는 0으로 가성비 맛집 미달됨.

이렇게 입력값에 가중치(중요도)를 정하고 결과를 정하는 임계값을 기준점 정한 뒤 비교해서 출력값을 만든다.

이제 딥러닝에서 AND 게이트와 퍼셉트론을 활용하는 방법을 이해하게 되었다.

끝.

인공지능(AI) 프로그래머가 되고 싶다.

처음 보는 단어가 많다.

하나씩 정리해 본다.

인공지능(AI) 개발자의 필수 공부 딥러닝(DeepLearning) 그리고 퍼셉트론(Perceptron)

인공지능(AI) 개발자가 되기 위해서는 딥러닝(DeepLearning)을 배워야 한다.

쉽지 않을 거라 생각했지만 역시 용어가 어렵다.

위 숫자 이미지를 보면 모양새는 다르지만 우리는 4라는 것을 안다.

어떻게 알까?

다양한 사람들이 쓴 숫자 4를 수 없이 봤고 뇌 기억에 저장된다.

그 정보를 기준으로 어떤 숫자와 4가 비슷하면 아래 순서대로 뇌 기억 정보와 비교 확인한다.

숫자 4를 눈으로 보고 시신경을 통해 뇌로 전달한다.

전달된 숫자 4는 뇌 기억 속 비슷한 숫자 4 모양새 정보와 비교한다.

숫자가 4인지 판단한다.

판단이 완료되면 그 결과가 나온다.

모양새가 비슷하다고 확인되어서 숫자 4로 인식한다.

위 숫자는 4 일까? 아닐까? 확신이 서지 않는다.

그 이유는 숫자 4 모양새로 인식하기 힘들기 때문이다.

숫자 5인지 아닌지를 판단하기 위해서 다양한 숫자 4 모양새를 보고 기억한다고 했다. [다양한== 딥(Deel)]

기억된 모양새와 같거나 비슷하다면 숫자 4로 인식한다.  [인식==러닝(Learning)]

이것이 딥러닝이다.

이제 인공지능 프로그래머로 딥러닝을 다시 보자.

딥러닝은 뇌 원리를 기반으로 데이터를 처리할 수 있는 인공지능(AI) 방식이다.

딥러닝은 우리말로 깊이 있는 학습이란 뜻이다.

컴퓨터에게 학습을 시켜서 최대한 정확한 값을 찾는 방법이 딥러닝이다.

인공지능 개발자라면 퍼셉트론을 알아야 딥러닝을 시작할 수 있다.

깊은 학습, 딥러닝을 하기 위해서 퍼셉트론 알고리즘이 필요한 것이다.

비슷한 모양새의 숫자를 보고 같은 숫자로 결과를 도출하는 우리 뇌의 기능일 인공지능에서 딥러닝으로 구성한다.

인공지능에서는 위 기능을 퍼셉트론이 담당한다.

더 어려운 용어 퍼셉트론(Perceptron)이 나타났다.

딥러닝을  공부하면 낯설고 어렵고 처음 보는 단어들이 자주 나온다.

어려운 내용을 초보 개발자도 쉽게 이해하도록,

하나씩 쉽게 설명할 계획이니 어려워 말고 같이 출발해 보자.

컴퓨터에게 깊이 있는 학습을 어떻게 시키는 걸까?

그 원리라는 퍼셉트론(Perceptron)은 무엇인가?

퍼셉트론(Perceptron)이란?

퍼셉트론은 알고리즘이다.

Percept는 지각에 의한 인식 결과라는 뜻이다.

1957년,

퍼셉트론은 인공지능 선구자 중 한 명,

심리학자인 미국 프랑크 로젠플랫(Frank Rosenblatt)이 개발한 인공지능 원리다.

우리가 눈, 코, 입, 귀, 손 등을 통해 정보를 입력받는다.

이렇게 수집된 정보는 뇌를 통해 무엇인지 판별된다.

예를 들어보자.

보글보글 소리가 들린다. (청각)

라면 냄새가 난다. (후각)

냄비에서 라면이 끓고 있다. (시각)

젓가락으로 한 입 먹어본다. (판별)

이렇게 수집된 정보로 라면임을 안다.

퍼셉트론도 같은 방식으로 프로그램을 통해 처리된다.

다수의 신호를 입력받는다. (청각, 후각, 시각 등)

하나의 신호로 출력받는다. (라면으로 판별)

이것이 컴퓨터에서 구현하는 퍼셉트론이다.

딥러닝도 알았고 퍼셉트론도 알았다.

좀 더 깊이 있게 보면,

딥러닝은 신경망 기반으로 구성되어 있다.

헛, 갑자기 나타난 신경망... 이건 또 무엇인가?

우리 뇌에 신경계를 구성하는 1000억 개 정도 뉴런이 있다.

신경망은 우리 뇌가 작동하는 방식과 비슷하게 컴퓨터로 구성한 모델이다.

퍼셉트론은 컴퓨터에서 뉴런 역할을 한다.

뭔가 복잡하게 이야기한 듯 보인다.

정리하면, 인공지능(AI) 개발자는 딥러닝을 배운다.

신경망의 기반으로 구성된 딥러닝의 시작은 퍼셉트론이다.

퍼셉트론은 신경망의 기초가 되는 인공지능 모델이다.

인간 뇌를 기반으로 컴퓨터에서 인공적으로 지능을 구축하기 위한 모델이 필요하다.

세상에~ 엄청 오래전에 만든 알고리즘인 퍼셉트론으로

우리는 현재의 인공지능을 배우고 있다.

퍼셉트론 파헤치기.

도대체 퍼셉트론은 어떻게 생겼을까?

퍼셉트론을 배워서 어떻게 사용하고 무엇을 할 수 있나?

이 궁금증을 해결하려면 퍼셉트론 구조를 꼼꼼히 살펴보면 된다.

다음 그림을 보자.

원은 뉴런이다.

입력값  x

원 안의 x1, x2는 2개의 입력값을 가지고 있는 신호다.

눈과 코로 보고 냄새를 맡아 뇌에 2가지 신호를 전달하는 상황을 상상하면 된다.

가중치 w

w1, w2의 w는 weight의 약자다.

weight 사전에 나온 뜻은 무게, 부담, 영향력 등이 있다.

입력 값 x를 전달할 때 비중 역할을 하는데 해당 입력값에 대한 중요도를 표시한다.

가중치를 이해하기 좀 어렵다면 다음 예를 보자.

각 100점 기준으로 실적, 근태, 교육참여를 기준으로 인사 평가를 한다면

실적점수 100점 중 70%, 근태점수 100점 중 20%, 교육참여점수 100점 중 10%의 중요도(비중) 결정.

위 값들을 실적점수 : x1, 근태점수 : x2, 교육참여점수 : x3로 입력값으로 정한다.

입력값에 가중치 w1 : 0.7, w2 : 0.2, w3 : 0.1을 곱해서 판단할 수 있다.

A사원 실적 80점, 근태 80점, 교육참여 100점

B사원 실적 70점, 근태 100점, 교육참여 100점

단순하게 합계 점수만 보면 A사원은 총점이 260점, B사원은 270점이다.

총점수만 보면 B사원이 10점 앞선다.

가중치를 사용하면,

A사원 80 * 0.7 + 80 * 0.2 + 100 * 0.1 = 82.0

B사원 70 * 0.7 + 100 * 0.2 + 100 * 0.1 = 79.0

A사원이 3점 높게 된다.

이것을 가중치라고 부른다.

임계값/한계값

입력값(x)과 가중치(w)에 의해 나온 값이 정해진 한계값을 넘게 되면 결괏값을 결정하게 된다.

한계값은 커트라인과 비슷한 의미다.

입력값과 가중치를 사용한 합계 값이 한계값보다 작거나 같으면 0 크면 1이 y값으로 된다.

한계값(커트라인)은 임계값 또는 세타기호( 𝞱)로 표시한다.

편향 b(bias)

위 식에서 임계값을 넘기고 우측항에 0을 둔다.

이제 임계값은 0이 된다.

편향은 쉽게 말해 선호도 같은 의미다.

(입력값 * 가중치) 값이 있지만 임계값(여기서는 0) 기준으로 보면

선호도에 따라 결괏값이 달라진다.

예를 보자.

입력값 x : 0.3, 가중치 w : 1, x * w = 0.3 > 0, y = 1이 됨.

이 뉴런에서 선호도 b : -0.6으로 설정.

b + (x*w) = -0.6 + 0.3 = -0.3 <=0 , y = 0이 됨.

편향 값에 의해 결괏값이 달라짐을 알 수 있다.

원래 결과가 1이 나왔지만 선호도가 마이너스라서 0으로 바뀌게 된 것이다.

여기가 치킨 맛집(y=1)이지만 난 닭을 싫어해서 (y=0) 이런 의미다.

결괏값 y

y는 결괏값(0 또는 1)을 의미한다.

사실 퍼셉트론은 인간 뇌 뉴런을 수학적으로 표현한 알고리즘이다.

수학 개념이 필요하다는 의미다.

퍼셉트론은 위 예시처럼 0과 1을 사용한다.

임계값을 좌항으로 옮기고 우측항에 0이 남는다.

0보다 크거나(>0) 또는 0보다 작거나 같은(<=0) 조건으로 결괏값 0 또는 1을 정하게 된다.

맞냐 틀리냐의 의미다.

숫자 4가 맞으면 1 아니면 0으로 판명하는 것이다.

신호가 없다 (0) 있다 (1)를 의미하는 것이다.

이제 위 식이 무슨 의미인지 이해가 될 것이다.

안되면 처음부터 다시 천천히 읽어보면 도움이 된다.

마무리

사실 딥러닝과 퍼셉트론 기본 개념을 알았다고 당장 할 수 있는 건 없다.

수학으로 더하기, 빼기 등 사칙 연산의 기본을 배웠다고 할 수 있다.

그렇다고 모든 수학 문제를 바로 풀 수 있는 건 아니다.

용어를 이해하고 설명할 수 있다면 다음 단계로 진행하기 수월해진다.

꼼꼼히 읽고 꼭 이해하자.

이번 포스팅은 인공지능(AI) 개발자(프로그래머)가 되기 위해 알아야 하는 딥러닝과 퍼셉트론에 대해 설명해 보았다.

다음 포스팅은 퍼셉트론을 활용해서 논리 회로를 어떻게 표현하는지 설명한다.

기본 이론 설명 후 내용이나 용어를 더 쉽게 예를 들어 설명할 계획이다.

초보 인공지능 개발자를 위한 딥러닝과 퍼셉트론 기본 개념은 여기까지다.

다음 포스팅은 퍼셉트론을 활용해서 논리 회로를 어떻게 표현하는지 설명한다.