이번 레터에는 이런 내용들이 담겨 있어요. 

우리 뇌는 어떻게 생각을 할까요? 신경과학자들은 우리 뇌 속에서 뉴런이라는 신경세포들이 모여 신호를 주고받으며 복잡한 사고를 한다고 밝혀냈습니다. 혹시 기계에도 이런 인공 뉴런을 만들어 넣으면 어떨까요? 이러한 아이디어에서 출발한 인공 신경망 알고리즘이 있습니다. 바로 오늘의 주제, 퍼셉트론입니다. 

# 뉴런을 흉내낸 최초의 인공 신경망

생물 시간에 뉴런의 구조에 대해 배웠던 것 기억하시나요? 나뭇가지처럼 쭉쭉 뻗은 수상돌기가 신호를 받고, 신호가 합쳐진 뒤 일정 수준이 넘으면 축삭을 통해 다음 뉴런으로 신호를 보냅니다. 스위치를 딸깍딸깍 키고 끄듯, 신호를 보낸다와 보내지 않는다 두 가지 상태만 존재합니다. 

퍼셉트론도 똑같은 원리로 만들었습니다. 여러 개의 입력값을 받고, 이 입력값들을 각각의 가중치와 곱하고 이를 모두 더한 뒤 특정 임계값을 넘으면 1, 넘지 않으면 0을 출력합니다. 하지만 퍼셉트론의 핵심은 ‘학습’할 수 있다는 것이였습니다. 바로 가중치를 이용해서 말이죠. 

처음 시작은 작은 랜덤한 값으로 가중치를 설정합니다. 그리고 입력받은 신호에 가중치를 곱하여 출력을 계산하고, 실제 정답과 예측값의 차이를 계산합니다. 오차를 보고 가중치를 다시 계산합니다. 이때 가중치를 너무 크게 바꾸거나 너무 작게 바꾸면 학습이 잘 되지 않아서 적당한 값을 넣어야 했습니다. 이 과정을 반복하면서 오차가 충분히 작아질 때까지 학습을 합니다. 

새로운 가중치 = 기존 가중치 + 학습률 × 오차 × 입력값

그렇게 해서 로젠블라트는 1957년 그 옛날에도 컴퓨터를 이용해 퍼셉트론이 20x20 픽셀 속 숫자 손글씨 그림을 읽어 숫자를 분류하는 데에 성공합니다. 당시 언론에서는 이 실험의 성공을 둗고 퍼셉트론이 언젠가는 “걷고, 말하고, 보고, 쓰고, 재생산하고, 자신의 존재를 인식할 수 있는” 기계로 발전할 것이라고 보도했습니다. 그로부터 70여 년이 지난 지금은 어떤가요? 

# 퍼셉트론을 이용한 동물 맞추기 게임(링크)

전문적인 문서 요약 서비스를 만든다고 가정해보겠습니다. 단순히 문서를 첨부하고 “이거 요약해줘”라고 하는 것보다 훨씬 더 세부적인 과정이 필요한데요. 프롬프트 체이닝을 활용해 작업을 나눌 수 있습니다. 

1단계는 문서의 구조를 분석하는 단계입니다. 구조를 분석하기 위한 프롬프트를 입력하고, 구조화된 형식으로 출력을 받습니다. 예를 들면 다음과 같이 작성할 수 있습니다. (배경색이 하늘색인 부분은 모두 프롬프트 예시입니다.) 

AI로 퍼셉트론 개념을 활용한 게임을 만들어 보았습니다. 사용자가 마음 속으로 동물을 하나를 정하면 이를 맞추는 게임입니다. 링크를 눌러 직접 한번 테스트해보세요! 

게임에서 5개의 질문을 하는데 이 질문이 바로 “입력” 데이터가 됩니다. 예를 들면 고양이라는 동물은 [날수있다, 수영가능, 털있다, 큰동물, 애완동물]가 [ 0 , 0 , 1 , 0 , 1 ] 입니다. 사용자가 질문을 받아 대답을 입력하면 데이터가 만들어지고, 여기에 임의로 정한 가중치를 곱해 퍼셉트론이 답을 내놓습니다. 사용자가 진짜 정답을 알려주면 이에 따라 가중치를 조정하고요. 틀릴 때마다 가중치를 조정하여 게임을 진행하면 진행할수록 정답을 더 잘 맞추게 될 것입니다. 

요즘엔 무슨 일이? 

기업

• 엔비디아 CEO 황젠슨이 중국이 자사 칩을 군사용으로 사용하는 것에 대해 우려하지 않는다고 말했습니다. (링크)