---
id: AI-PERCEPT-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, deep-learning, perceptron, roseblatt, history, neural-networks, linear-classifier]
last_reinforced: 2026-04-26
---

# Perceptrons Foundations (퍼셉트론 기초)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "생물학적 뉴런의 '발화'를 수학적 '스위치'로 치환하여, 기계 학습의 시대를 연 최초의 불꽃을 이해하라" — 프랑크 로젠블랫이 제안한 인공 신경망의 가장 단순한 형태로, 여러 입력에 가중치를 곱하고 더해 특정 임계값을 넘으면 1, 아니면 0을 출력하는 이진 분류기.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Weighted Sum and Step Function" — 입력 데이터 $x_i$에 가중치 $w_i$를 곱해 합산한 값이 편향(bias)보다 크면 활성화되는 선형 결정 경계 패턴.
- **역사적 의의와 한계:**
    - **First Wave:** 1950년대 인공지능 낙관론의 중심.
    - **XOR Problem:** 단층 퍼셉트론은 선형적으로 분리되지 않는 데이터(XOR 등)를 학습할 수 없다는 마빈 민스키의 비판으로 인해 AI의 첫 번째 암흑기 유발.
    - **Legacy:** 이 한계를 극복하기 위해 다층 퍼셉트론(MLP)과 오차 역전파(Backpropagation)가 등장하며 현대 딥러닝의 토대가 됨.
- **의의:** 신경망의 가장 원초적인 단위로서, 현대의 복잡한 딥러닝 아키텍처 역시 이 단순한 퍼셉트론들이 수없이 연결되어 만들어진 거대한 지능임을 상기시킴.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 퍼셉트론이 '지능의 종말'을 가져왔다는 비판에서 벗어나, 이제는 신경망의 수학적 기초를 이해하기 위한 필수적인 교육적 도구이자 '선형 분류기'의 정수로 재평가됨.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 의사결정 로직 중 가장 단순하고 빠른 판단이 필요한 구간(예: 단순 필터링)에서는 복잡한 LLM 대신 퍼셉트론적 선형 회귀 모델을 경량화하여 사용함.

## 🔗 지식 연결 (Graph)
- [[Neural-Networks-for-Beginners|Neural-Networks-for-Beginners]], [[Multilayer-Perceptron-MLP|Multilayer-Perceptron-MLP]], Backpropagation-Foundations, Deep-Learning-Foundations
- **Raw Source:** 10_Wiki/Topics/AI/Perceptrons-Foundations.md