초기의 신경 시스템 모델 중에서 아마도 가장 잘 알려진 것은 1943년 Warren McCulloch 과 Walter Pitts 에 의해 제안된 모델일 것이다. 그들은 인간의 두뇌를 논리적 서술을 구현하는 이진 원소들의 결합으로 추측했는데, 이진 원소인 뉴런은 on이나 off 상태를 나타낸다. 맥컬럭과 피츠가 쓴 논문 (A Logical calculus of ideas immanent in nervous activity) 의 요약 부분 중의 첫 단원을 소개한다.
신경 활동의 '전부 아니면 전무 (All-or-Nothing)' 적인 특성 때문에 신경계의 일과 그들 사이의 관계들은 명제논리 (Propositional logic) 로 취급된다. 모든 망의 행동은 이러한 관점에서 기술될 수 있다. ...중략... 어떠한 조건들을 만족시키려는 논리적 표현에 대하여, 우리는 그것이 기술하는 방법대로 행동하는 망을 찾을 수 있다.
이 논문의 가장 중요한 결과는 그러한 신경망들이 완벽하게 일반적이어서 어떤 유한한 논리적 표현도 실현할 수 있다는 점이다. 이 모델은 명백히 실용적인 의미를 내포하는데 그러한 뉴런들을 합쳐서 강력하고도 범용적인 컴퓨터 장치를 마들 수 있다. 이외에도 1943년 그 당시에 맥컬럭-피츠 모델과 같은 프로젝트가 펜실베니아 대학의 Moore School of Engineering 에서도 진행중 이었다. 맥컬럭과 피츠는 이 논문을 쓰는 데 단지 3 개의 문헌만 참조하였는데 모두가 수학적인 논리를 다룬 책들이다. 맥컬럭과 피츠는 뉴런의 오퍼레이션을 지배하는 5 개의 가정 (assumptions) 을 하였다. 그 가정들은 컴퓨터 과학자들에게 맥컬럭과 피츠의 뉴런으로 알려지게 되었는데 다음과 같다 ............ (김대수 1992)
McCulloch-Pitts 모델에서 사용한 가설은 다음과 같다.
1. 뉴런은 활성화되거나 혹은 활성화되지 않은 2 가지 상태이다. 즉, 뉴런의 활성화는 all-or-none 프로세스이다.
2. 어떤 뉴런을 흥분되게 (excited) 하려면 2개 이상의 고정된 수의 시냅스가 일정한 시간내에 활성화 (activated) 되어야 한다.
3. 신경 시스템에서 유일하게 의미있는 시간지연 (delay) 은 시냅스에서의 지연 (synaptic delay) 이다.
4. 어떠한 억제적인 (inhibitory) 시냅스는 그 시각의 뉴런의 활성화 (activation) 를 절대적으로 방지한다
5. 신경망의 구조는 시간에 따라 변하지 않는다.
McCulloch-Pitts 모델의 구조를 아래에 도시하였다. 뉴런은 인접한 여러 뉴런들로부터 신호를 수신하며, 뉴런간의 시냅스 연결강도에는 흥분성과 억제성의 2 가지 유형이 있다.
McCulloch-Pitts 모델
연결강도가 
인 경우는 뉴런을 흥분시키는 역할을 하므로 흥분성 연결강도라 하며, 연결강도가
인 경우는 뉴런의 활성화를 억제시키는 역할을 하므로 억제성 연결강도라 한다.
그림 1 에서 뉴런 
은 연결강도가 
이므로 뉴런에 흥분 신호를 전달하지만, 뉴런 
은 연결강도가 
이므로 뉴런에 억제 신호를 전달한다.
따라서, 뉴런의 가중 입력합 NET 는 다음과 같다. .............. (오창석 1996)
term :
신경망 (Neural Network) 지도학습 (Supervised Learning) 맥컬럭-피츠 모델 (McCulloch-Pitts Model) Warren McCulloch Walter Pitts
paper :
맥컬럭-피츠 (McCulloch-Pitts) 뉴런 : 김대수
site :
McCullich-Pitts Neuron Applet : 1943 년에 발표된 최초의 computational model for an artificial neuron 이다. 이 모델과 Artificial Neuron model 사이의 주요한 차이점은 absolute inhibitory input 를 사용한다는 것이다. 이 뉴런은 nonmonotonic logic functions 을 구현할수 있다. ... 입력과 출력은 binary (1 또는 0) 이며, 어떠한 가중치도 주어지지 않고, 활성화 함수는 항상 unit step function 이다.