퍼셉트론(Perceptron) -3 (인공지능의 1차 겨울)

저번 포스팅에는 퍼셉트론으로 구현이 가능한 논리 게이트(논리 회로)에 대해서 포스팅을 하였다. 왜 논리 게이트에 대해서 포스팅을 했느냐면, 바로 XOR에 대한 문제점 때문이다.

로센블래트와 고등학교 동창이던 마빈 민스키 박사는 많은 설전을 벌였었다. 민스키 박사는 퍼셉트론은 대부분을 해결할 수 없다고 말했지만, 로센블래트는 퍼셉트론에 대해서 자신만만하던 참이었다.  민스키 박사는 동료이던 세이무어 페퍼트와 퍼셉트론의 한계를 수학적으로 증명을 하면서, 로센블래트는 처참히 무너지고 말고 이것이 바로 인공지능의 1차 겨울이 오는 시기이다.

마빈 민스키 박사, Marvin Minsky

바로 퍼셉트론은 AND, OR, NAND 같은 선형문제는 풀수 있을지 모르지만, XOR같은 비선형 문제를 풀수가 없다는 것이었다. 선형 문제를 설명하자면, 선으로 분류를 할 수 있는지를 파악하는 문제이다. 이를 그림으로 표현하자면 아래와 같다

source, https://en.wikipedia.org/wiki/Perceptron

위의 그림을 보면 알겠지만, 2차원 상에 고양이와 개들이 있는데 이들을 선 하나로 분류 시킬 수가 있다. 이것이 바로 선형 문제이고, 퍼셉트론은 이러한 모양의 선형 문제만 해결이 가능한 것이다. 

그러나 문제가 선형만 있으면 좋겠지만, 분류는 그렇게 쉽게 되지 않는다. 일반적으로 대부분은 선형보다 비선형 형식으로 데이터가 분포되어 있다.

X1과 X2의 값을 2차원 평면으로 놨을 때, AND 게이트, OR 게이트, NAND 게이트 모두 선형 문제로 해결이 가능하다. 

and 와 or example

위 그림은 and와 or 일때의 상황인데, and일 때는 i1과 i2값이 모두 1일 경우에만 다른 모양을 가지고 있고,

마찬가지로, or일 때는 i1과 i2값이 모두 0일 경우에만 다른 모양을 가지고 있다.

이렇게 다른 모양(1이나 0)으로 구분이 지어지면, 중간을 선으로 그어서 선 기준으로 분류를 할 수 있는데 XOR는 위와 같은 모양이 나오지 않는다.

xor example

위의 xor 그림을 보면, 왼쪽 위부터 오른쪽 아래가 1이고, 우측 위와 왼쪽 아래가 0이다. 이것을 하나의 선으로 분류를 시킬 수가 없다. 그래서 위 그림을 보면, 선 하나가 아니라 선이 2개가 필요하다던지

굳이 선을 하나만 사용할거면, 위와 같이 곡선을 그려야만 가능하다.

결국 퍼셉트론은 XOR을 구현할 수 없다는 것을 알게 된 이후, 수많은 인공지능 연구가 끊기고, 많은 사람들이 민스키 박사를 비난하기까지 한다. 

이러한 문제로 인해서, 퍼셉트론은 죽은 듯 조용히 사라지고, 인공지능의 겨울이 오게 되는데 1980년대 인공지능의 전문가 시스템으로 포지션을 바꾸고, 1986년 다층퍼셉트론이 나오게 되면서 새로운 인공지능 시대가 열리게 된다.

다층퍼셉트론에 대한 내용은 다음 포스팅에 하기로 한다.

퍼셉트론(Perceptron) - 1 딥러닝(Deep Learning)과 인공신경망(Neural Network)의 시작

퍼셉트론(Perceptron) - 2 (논리회로 편)

퍼셉트론(Perceptron) - 4 (인공지능의 2차 부흥)