XOR 문제와 한계

학습 목표

이 레슨을 완료하면:

• •XOR 게이트가 무엇인지 이해합니다
• •왜 퍼셉트론 하나로는 XOR을 절대 해결할 수 없는지 압니다
• •"선형 분리 가능성"이라는 핵심 개념을 이해합니다
• •이 한계가 AI 역사에서 "겨울"을 불러온 이유를 압니다
• •해결의 실마리(다층 퍼셉트론)를 예상할 수 있습니다

---

핵심 메시지

"퍼셉트론은 직선 하나로 나눌 수 있는 문제만 풀 수 있습니다. XOR은 직선 하나로는 절대 나눌 수 없는 문제예요. 이 한계를 깨닫는 것이 딥러닝으로 가는 첫걸음입니다!"

---

1. XOR 게이트란? -- "둘이 달라야 참!"

일상 비유: 가위바위보의 "비김"

친구와 같은 것을 냈을 때를 생각해보세요.

• •둘 다 가위? 비김(재미없음 = 0)
• •둘 다 바위? 비김(재미없음 = 0)
• •서로 다른 것을 냄? 승부가 남!(재미있음 = 1)

XOR도 비슷합니다. **두 입력이 다를 때만 참(1)**이고, 같으면 거짓(0)이에요. "배타적 OR(Exclusive OR)"이라고도 부르는데, "하나만 독점적으로 참일 때"라는 뜻이에요.

XOR 진리표

OR과 비교해볼까요? OR은 (1,1)일 때 1을 출력하는데, XOR은 0을 출력합니다. 이 작은 차이가 엄청난 문제를 만들어냅니다.

일상에서 만나는 XOR

사실 우리는 매일 XOR을 경험합니다!

• •전등 2개 스위치: 한쪽 스위치만 바꾸면 전등이 바뀌고, 양쪽 다 바꾸면 원래대로 (계단 조명이 이 원리!)
• •양자택일: "짜장면이나 짬뽕 중 하나만 골라!" (둘 다 고르거나 둘 다 안 고르면 안 됨)
• •토론: 두 사람이 같은 의견이면 토론 안 됨, 다른 의견이어야 토론이 됨

---

2. 문제 발생! 퍼셉트론이 실패하다

직접 시도해봅시다

지난 시간에 AND, OR, NOT을 퍼셉트론으로 만들었죠? 같은 방식으로 XOR을 시도해봅시다.

text
복사
퍼셉트론: z = x1 * w1 + x2 * w2 + b
          출력 = z > 0이면 1, 아니면 0

XOR에 맞는 w1, w2, b를 찾아보자!

필요한 조건:
  (0,0) → 0:  0*w1 + 0*w2 + b < 0  →  b < 0
  (0,1) → 1:  0*w1 + 1*w2 + b > 0  →  w2 + b > 0
  (1,0) → 1:  1*w1 + 0*w2 + b > 0  →  w1 + b > 0
  (1,1) → 0:  1*w1 + 1*w2 + b < 0  →  w1 + w2 + b < 0

조건을 정리하면:

text
복사
조건 1: b < 0
조건 2: w2 + b > 0  →  w2 > -b  →  w2 > 0 (b가 음수이므로)
조건 3: w1 + b > 0  →  w1 > -b  →  w1 > 0 (b가 음수이므로)
조건 4: w1 + w2 + b < 0

조건 2+3에서: w1 + w2 > -2b > 0 (둘 다 양수)
조건 4에서:   w1 + w2 < -b

그런데 조건 2에서 w2 > -b, 조건 3에서 w1 > -b이므로:
  w1 + w2 > -2b > -b  (b가 음수이니까 -2b > -b)

이것은 조건 4(w1 + w2 < -b)와 모순!

어떤 숫자를 넣어도 4가지 조건을 동시에 만족할 수 없습니다! 이것은 "운이 나빠서"가 아니라, 수학적으로 불가능하다는 뜻이에요.

코드로 직접 확인해보기

정말로 불가능한지 다양한 가중치를 시도해볼까요?

python
실행복사
# XOR을 퍼셉트론으로 풀 수 있을까? 다양하게 시도해보기!

def perceptron(x1, x2, w1, w2, b):
    z = x1 * w1 + x2 * w2 + b
    return 1 if z > 0 else 0

# XOR 정답
xor_answers = {(0,0): 0, (0,1): 1, (1,0): 1, (1,1): 0}

# 다양한 가중치를 시도해봅시다
test_cases = [
    (0.5, 0.5, -0.7),    # AND 설정
    (0.5, 0.5, -0.2),    # OR 설정
    (1.0, 1.0, -0.5),    # 다른 시도 1
    (1.0, -1.0, 0.0),    # 다른 시도 2
    (-1.0, 1.0, 0.0),    # 다른 시도 3
    (2.0, 2.0, -1.0),    # 다른 시도 4
    (0.3, 0.7, -0.4),    # 다른 시도 5
]

for w1, w2, b in test_cases:
    correct = 0
    results = []
    for (x1, x2), answer in xor_answers.items():
        output = perceptron(x1, x2, w1, w2, b)
        results.append(f"({x1},{x2})={output}")
        if output == answer:
            correct += 1
    status = "성공!" if correct == 4 else f"{correct}/4 맞음"
    print(f"w1={w1:+.1f}, w2={w2:+.1f}, b={b:+.1f} → {status}  {results}")

print("\n어떤 조합을 시도해도 4개를 모두 맞출 수 없습니다!")

---

3. 왜 안 되는 걸까? -- 선형 분리 가능성

비유: 운동장에서 줄 긋기

운동장에 학생 4명이 서 있다고 상상해보세요. 빨간 조끼를 입은 학생(출력 1)과 파란 조끼를 입은 학생(출력 0)을 밧줄 하나로 나눠야 합니다.

AND 게이트의 경우:

핵심 아이디어

text
복사
퍼셉트론 하나 = 직선 하나 = AND, OR 같은 단순한 문제

퍼셉트론 여러 개 = 직선 여러 개 = XOR 같은 복잡한 문제도 가능!

그러면 퍼셉트론을 여러 개 연결하면 어떨까?
→ 이것이 바로 "다층 퍼셉트론(Multi-Layer Perceptron)"의 아이디어!

사실 민스키도 책에서 "다층 퍼셉트론으로는 XOR을 풀 수 있다"고 언급했습니다. 다만 당시에는 다층 퍼셉트론을 "학습시키는 방법"을 몰랐던 거예요. 그 학습 방법(역전파 알고리즘)은 1986년에 발표되었고, 그때부터 AI의 두 번째 봄이 시작됩니다!

---

6. XOR 문제가 AI에 주는 의미

왜 이렇게 단순한 XOR 문제에 시간을 쓰는 걸까요?

현실 세계는 XOR로 가득합니다

text
복사
질문: 공부를 열심히 하면 성적이 오를까?

- 열심히 하지 않고 + 똑똑하지 않으면 = 성적 낮음 (0)
- 열심히 하지 않고 + 똑똑하면 = 성적 높음 (1)
- 열심히 하고 + 똑똑하지 않으면 = 성적 높음 (1)
- 열심히 하고 + 똑똑하면 = 성적... 높음? (여기는 XOR과 다르지만)

현실의 많은 문제는 "단순한 직선"으로 나눌 수 없습니다.
이미지 인식, 음성 인식, 자연어 이해 모두 비선형 문제입니다!

XOR은 가장 단순한 비선형 문제입니다. 이것을 풀 수 있어야 더 복잡한 현실 문제도 풀 수 있어요.

현실 세계의 중요한 문제는 대부분 비선형입니다. 그래서 단일 퍼셉트론의 한계를 넘어서는 것이 반드시 필요했던 거예요.

---

핵심 정리

---

학습 체크리스트

• • XOR 진리표를 보지 않고 작성할 수 있다
• • XOR이 OR과 다른 점을 설명할 수 있다
• • "선형 분리 가능"의 의미를 일상 비유로 설명할 수 있다
• • 왜 퍼셉트론 하나로 XOR을 절대 풀 수 없는지 설명할 수 있다
• • AI 겨울이 왜 찾아왔는지 이야기할 수 있다
• • 해결책(다층 퍼셉트론)의 기본 아이디어를 안다

---

다음 강의 예고

"다층 퍼셉트론 (MLP)" 드디어 XOR의 한계를 극복합니다! 퍼셉트론을 여러 층으로 쌓으면 어떤 일이 벌어지는지, 그리고 이것이 어떻게 현대 딥러닝의 시작점이 되었는지 알아봅니다. Level 1의 대미를 장식하는 마지막 강의입니다!