ChatGPT·Stable Diffusion·자율주행 — 모두 신경망으로 동작한다.
"딥러닝"이라는 단어를 자주 듣지만 정작 무엇이 "깊은(deep)" 걸까?
구조를 알면 AI가 왜 그렇게 동작하는지,
왜 GPU가 필요한지까지 한 번에 이해된다.
생물학적 뉴런을 흉내 낸 가장 작은 수학적 단위 — 퍼셉트론.
입력에 가중치를 곱해 합산 후, 출력으로 내보낸다.
퍼셉트론을 여러 개 모아 층(layer)으로 쌓은 것이 신경망.
입력층(데이터) → 은닉층(처리) → 출력층(결과). 모든 노드가 다음 층의 모든 노드와 연결
"deep"은 은닉층이 여러 개 깊게 쌓였다는 뜻.
계층적 학습: 첫 층은 선·점, 중간 층은 형태, 마지막 층은 "고양이 얼굴" 같은 의미를 알아본다
"학습한다"는 것은 결국 가중치(weight)를 조정하는 것.
예측이 정답과 차이 나면, 그 차이(오차)를 줄이도록 가중치를 조금씩 움직인다.
합산된 신호를 비선형으로 변형해주는 함수.
이게 없으면 신경망은 그저 직선만 그릴 수 있다.
왜 필요? 비선형이 있어야 곡선·복잡한 경계를 학습할 수 있다 — 그래야 진짜 패턴 인식이 된다
출력층에서 발생한 오차를 입력층 방향으로 되돌려 보내며 가중치를 갱신.
핵심: "어느 가중치가 얼마나 잘못했는가"를 역방향으로 계산해 모두 조금씩 조정
구조와 학습 과정을 한 번에 정리해주는 비유.
이 구조 하나로 거의 모든 AI 분야가 폭발적으로 발전했다.
딥러닝이 언어라는 가장 어려운 영역을 어떻게 정복했을까?
토큰·임베딩·Transformer·LLM — ChatGPT의 진짜 정체를
다음 세션에서 풀어본다.
💡 기억할 것: 신경망 = 작업자(뉴런)들이 여러 단계로 가공하는 공장. 학습 = 가중치 조정.