주요 내용
제1장에서는 1950년대 말엽 프랭크 로젠블랫이 개발한 퍼셉트론을 만난다. 현대 AI의 시작으로 일컬어지는 퍼셉트론은 데이터에 숨겨진 패턴을 유한한 시간 안에 반드시 찾아내는, 즉 데이터를 살펴보는 것만으로 패턴을 학습하는 최초의 쓸 만한 ‘뇌 기반’ 알고리즘이다. 퍼셉트론은 1943년에 철학자 성향의 40대 중반 신경과학자와 10대 영재가 발표한 논문에 그 뿌리를 두고 있다. 이 둘은 뇌가 연산 장치라면, 인간의 뇌 신경세포를 모방하여 단순한 계산 모형인 인공 신경세포를 만들 수 있을 것으로 생각하고 뉴로드(neurode. 신경세포neuron + 분기점node라는 인공 세포를 구현했다. 심리학자였던 로젠블랫은 이를 바탕으로 세포가 직접 학습을 할 수 있는 퍼셉트론을 개발하여 발표했다. 퍼셉트론은 데이터 집합을 학습하여 선형적으로 분리할 수 있는 선형 분리 초평면을 반드시 찾아냈다. 이와 같은 퍼셉트론은 신경과학자들이 생각한 인간 신경세포의 작동방식을 모형화한 것이었기 때문에 신비로움을 풍겼으며, 언젠가 AI의 장밋빛 미래가 실현되리라는 기대감을 불러일으켰다. 예를 들면, 퍼셉트론은 특정 사람들의 키와 몸무게 데이터가 주어지면, 이를 학습해서 이 사람들을 비만과 비만이 아닌 사람으로 분리할 수 있는 기준을 반드시 찾아냈고, 새로운 사람의 키와 몸무게가 주어졌을 때 그가 비만인지 아닌지를 분류할 수 있었다.
제2장에서는 1865년 9월 아일랜드의 수학자 윌리엄 로언 해밀턴을 만나러 더블린의 로열 운하 다리로 떠난다. 그곳에서 기계 학습의 핵심이 된 한 스칼라scaler와 벡터vector라는 수학 개념을 만난다. 벡터를 이해하면 퍼셉트론의 학습 방식을 알 수 있다. 퍼셉트론은 데이터에서 가중치와 분리 초평면을 찾는데, 이는 벡터 개념을 이용하여 데이터 점과 초평면의 상대적 거리를 찾는 것과 관계가 있다. 제3장은 계곡의 바닥으로 내려가는 최단 거리를 찾는 과정을 살핀다. 즉 발생하는 오차를 최소화하는 방법을 찾아내는 과정을 따라간다. 195
