🧠 기본 아이디어
- 사람의 뇌 속 **뉴런(신경세포)**은 전기 신호를 받아들이고, 그 신호가 충분히 강할 때 반응(발화)합니다.
- McCulloch-Pitts 모델은 이를 수학적으로 흉내 내기 위해 아주 단순한 방식으로 구성되었습니다.
⚙️ 구성 요소
- 입력값(Input): 여러 개의 값이 뉴런으로 들어옵니다. 이 값들은 0(꺼짐) 또는 1(켜짐)으로 표현됩니다.
- 가중치(Weight): 각각의 입력에는 중요도를 나타내는 숫자가 곱해집니다.
- 총합 계산(Summation): 가중치가 곱해진 입력값들을 모두 더합니다.
- 임계값(Threshold): 정해진 기준 값과 비교합니다.
- 출력(Output): 총합이 임계값을 넘으면 1(신호 발생), 넘지 못하면 0(신호 없음)을 출력합니다.
입력: x1, x2, x3, ... xn
가중치: w1, w2, w3, ... wn
임계값: θ
출력 y = 1, if (x1*w1 + x2*w2 + ... + xn*wn) ≥ θ
출력 y = 0, otherwise
🚗 예시: 자동차 브레이크 작동 판단 시스템 (비유)
- 입력:
- x1: 전방 차량과의 거리 (가까움 = 1, 멀음 = 0)
- x2: 운전자의 발 위치 (브레이크 페달 위 = 1, 엉뚱한 위치 = 0)
- x3: 차량 속도 (빠름 = 1, 느림 = 0)
- 가중치: 각각의 요소가 얼마나 중요한지 설정 (예: 거리=0.5, 발 위치=0.3, 속도=0.2)
- 임계값: 총합이 0.8 이상이면 브레이크 작동 신호 출력 (출력 = 1)
📌 핵심 포인트 정리
- McCulloch-Pitts 뉴런은 단순한 이진 신경 모델입니다.
- 실제 뉴런의 작동 방식을 흉내 내지만, 굉장히 기본적이고 수학적 모델입니다.
- 이 모델 자체는 학습 기능이 없고, 사람이 가중치와 임계값을 수동으로 지정해야 합니다.
- 하지만, 이 아이디어를 기반으로 후에 퍼셉트론, 다층 퍼셉트론(MLP), 딥러닝 모델이 발전하게 됩니다.
✅ 요약
- McCulloch-Pitts 뉴런 = "입력 → 가중합 → 임계값 비교 → 출력"
- 이진 판단 시스템을 모델링하는 데 유용하며, AI 신경망의 첫걸음이라고 할 수 있습니다.