신경망의 시작 — 단 하나의 뉴런
👋 PART 4 시작 — 직관의 학습
PART 3에서 MCTS의 한계를 봤다. 무작위 rollout이 사람의 패턴 인식을 못 따라잡음. 그래서 알파고는 신경망을 추가. PART 4에서 신경망을 처음부터 만든다.
"신경망"이라고 하면 어렵게 들리지만, 본질은 매우 단순:
🧠 신경망의 한 줄 정의
"입력에 가중치를 곱해서 더하고, 활성화 함수를 통과시킨다."
이게 한 뉴런(neuron)의 동작. 뉴런 여러 개를 쌓아 신경망. 끝.
1950년대 Frank Rosenblatt이 처음 제안한 퍼셉트론(Perceptron)이 출발점. 단 하나의 뉴런. 입력 → 곱 → 합 → 활성화 → 출력.
이 챕터:
- 퍼셉트론 — 가중치, 편향, 활성화 함수
- 코드: numpy 5줄로 퍼셉트론
- 한 뉴런의 한계 — XOR 문제 (1969 AI 겨울)
- 다층 퍼셉트론(MLP) — 여러 뉴런 쌓기
- 코드: 작은 MLP forward pass
- 학습 — 가중치를 어떻게 정하나 (역전파 예고)
이 단순한 부품 → CNN → AlphaGo의 핵심. 차근차근.