---
id: DL-MLP-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, deep-learning, mlp, neural-networks, backpropagation, foundations]
last_reinforced: 2026-04-26
---

# Multilayer Perceptron (MLP, 다층 퍼셉트론)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "단순한 선형적 판단을 넘어, 비선형의 층(Hidden Layers)을 쌓아 세상의 복잡한 비논리를 논리적으로 해체하라" — 여러 개의 퍼셉트론 레이어를 쌓고 비선형 활성화 함수를 결합하여 임의의 복잡한 함수를 근사할 수 있는 가장 기본적인 심층 신경망 구조.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Hierarchical Feature Extraction" — 입력 데이터를 은닉층을 거치며 더 추상적이고 고차원적인 특징으로 변환하여, 선형 분리가 불가능한 복잡한 경계면을 학습하는 딥러닝의 원형적 패턴.
- **핵심 구성:**
    - **Input Layer:** 외부 데이터를 수용하는 관문.
    - **Hidden Layers:** 데이터의 숨겨진 패턴을 추출하는 비선형 연산 층.
    - **Output Layer:** 최종 판단 결과를 내놓는 층.
    - **Fully Connected:** 모든 뉴런이 이전 층의 모든 뉴런과 연결된 구조.
- **의의:** 퍼셉트론의 한계(XOR 문제)를 극복하고 역전파(Backpropagation) 알고리즘과 결합하여 현대 인공신경망의 부흥을 이끈 결정적 토대.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** MLP만으로 모든 데이터를 처리하려던 방식에서, 데이터의 특성에 최적화된 CNN(이미지)이나 RNN/Transformer(언어) 등으로 전문화되었으나, 여전히 모든 모델의 마지막 의사결정 레이어(Classification Head)에는 MLP 구조가 핵심적으로 사용됨.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 상황 판단 모듈이나 가벼운 특징 분류기 설계 시, 구조적 단순함과 범용성을 갖춘 MLP 아키텍처를 우선적으로 활용함.

## 🔗 지식 연결 (Graph)
- Deep-Learning-Foundations, Backpropagation-Foundations, Activation-Functions, Softmax-Regression-and-Classification
- **Raw Source:** 10_Wiki/Topics/AI/Multilayer-Perceptron-MLP.md