[딥러닝 기초] 1장 퍼셉트론 - 비 선형적인 문제

- 하나의 선으로 분류 할 수 없는 문제의 등장

 

비 선형적인 문제

 

위 사진을 확인하면 왼쪽의 그래프의 경우 고양이와 강아지가 정상적으로 분류가 된 것을 확인할 수 있지만 오른쪽 그래프의 경우 고양이의 영역에 강아지가 들어가 있는 것을 확인할 수 있다.

 

그러면 오른쪽 그래프는 정상적으로 강아지와 고양이를 분류했다고 보기엔 어려운 점이 있다.

이와 같이 기존의 AND, OR, NAND, NOR gate를 한개만 사용하여 데이터의 분류를 진행하였지만, 비 선형 문제의 경우 한개의 gate만을 사용하여 분류할 수 없는 문제가 발생하였다.

 

그러면 우리는 정상적으로 강아지가 분류되기 위해서는 어떻게 그래프를 그어야 분류할 수 있을까?

간단하게 생각하면 아래와 같은 그래프 같이 생각할 수 있을 것이다.

 

강아지와 고양이의 올바른 분류

 

 

 

- 비 선형적인 논리 게이트, XOR gate

 

XOR gate의 기호 모양과 출력 결과

 

앞서 설명한 그래프처럼 단층 퍼셉트론만으로는 해결할 수 없는 비 선형적인 문제를 해결하기 위해 나온 gate가 XOR gate이다. XOR gate의 경우 들어오는 값이 서로 같은 값이 들어올 땐 0을 반환하고 서로 다른 값이 들어올 때는 1을 반환하게 된다.

 

 

 

- 단층 퍼셉트론만으로는 해결 불가능한 XOR gate

 

비 선형문제에 단층 퍼셉트론을 적용한 결과

 

위 사진과 같이 단층 퍼셉트론 만으로는 0과 1을 구분할 수 없다는 것을 확인할 수 있다.

 

 

 

- 1969년 첫 번째 AI 겨울

 

AI의 역사

 

AI의 역사표를 확인하였을 때 단층 퍼셉트론이 등장한 이후 AI는 계속 발전을 거쳐오다가 앞서 설명한 비 선형적인 문제를 해결하지 못하였기 때문에 약 20년의 세월 동안 AI는 발전을 하지 못하게 된다.

우리는 이를 First AI winter 첫 번째 AI 겨울이라고 하며, 이는 1986년 다층 퍼셉트론 이론이 등장하기 전까지 계속 유지되었다.

 

 

 

- 비 선형적 접근 방법의 필요성

 

비 선형적 문제의 접근

 

그러면 우리는 비 선형적인 문제를 어떻게 해결할 수 있을까?

이 질문에 대한 해답은 위의 그래프와 같이 그래프가 1차원적인 그래프가 아닌 2차원 혹은 그 이상의 그래프를 이용하여 문제를 해결할 수 있다.

 

 

 

 

 

 

# 출처

 

엘리스 AI 트랙 7기 - [강의자료] 퍼셉트론