딥러닝이라는 말은 많이 들어봤는데 대체 딥러닝, 머신러닝을 나누는 기준은 어떤 것일까? 우선 딥러닝에 대해 정의하기 전에 퍼셉트론(Perceptron)에 대해 알아보자.
인공 신경망 모형의 하나인 퍼셉트론은 1957년에 Rosenblatt라는 사람에 의해서 처음 고안된 알고리즘이다. 일반적으로 인공 신경망 시스템은 동물의 신경계를 본따 만들었기 때문에 개념적으로나 그 형태로나 비슷한 부분이 많다. 용어적으로 Perceptron은 퍼셉션과 뉴런, 두 단어의 조합이라고 한다.
단어들의 조합으로 보면 퍼셉트론은 인지한 정보를 활용해 뉴런처럼 작동하는 인공 세포라고 볼 수 있다. 개념 자체는 아주 간단한 원리이다. 퍼셉트론은 다수의 입력을 받아서 하나의 신호를 출력한다. 이때 각 입력과 상호작용하는 각각의 weight 들이 출력을 결정하게 된다.
여기서 weight들을 정하고 조정하는 작업을 기계가 한다고 볼 수 있다. 수많은 입력 데이터와 결과값을 활용해 훈련을 시키고 원하는 수준의 weight를 찾아내는 것이다. 여기서 x는 입력(input), W는 가중치(weight), y는 신경세포(neuron)라고 하겠다.
처음에는 임의로 설정된 weight로 시작한다. 학습 데이터를 입력하여 기대값이 나오지 않은 경우, weight를 개선해 나간다. 이러한 과정을 학습이라고 한다.