AI / 데이터
인공 신경망(Neural Network)
인공 신경망은 입력값을 여러 계산 단위와 층에 통과시켜 출력값으로 바꾸는 모델 구조입니다.
쉬운 설명
AI 모델 설명에서 입력층·은닉층·출력층 같은 말을 만날 수 있어요. 인공 신경망은 입력을 숫자로 받아 계산 단위를 연결해 다음 값으로 바꿔 가는 구조예요. 학습할 때는 결과의 오차 등을 기준으로 연결의 가중치 같은 내부 값을 조정해요. 사람의 뇌와 관련된 이름을 쓰지만, 실제 뇌의 작동이나 사람의 생각을 그대로 재현한 것은 아니에요.
이런 상황에서 만나요
스터디에서 영수증 사진과 포스터 이미지를 분류하는 모델의 구조를 본다고 해 볼게요. 파일을 넣으면 내부에서 숫자 데이터를 처리하고, 정한 분류에 대한 값을 출력해요.
모델 구조 그림에서는 입력과 출력부터 읽어요
영수증 사진
→ 모델에 맞게 준비한 숫자 데이터
학습된 가중치 등으로 중간 값을 계산
여러 층을 거쳐 변환
정한 분류에 대한 값 출력
앱이 영수증·포스터 등으로 표시
- 1사진을 모델이 계산할 수 있는 형태로 바꿔 전달해요.
- 2실제 구조를 간추린 설명이며 사람의 생각 단계를 뜻하지 않아요.
- 3출력의 의미를 정하고 실제 정답과 비교해요.
입력은 사진 자체를 사람이 읽는 방식과 달리 숫자로 표현돼요. 중간 층의 계산을 거쳐 출력이 만들어지고, 앱이 그 결과를 분류 이름으로 보여 줄 수 있어요. 처음 정한 분류에 없는 문서나 흐린 사진도 들어올 수 있으므로 잘못 분류하는 경우를 확인해요.
헷갈리기 쉬운 점
층 하나가 사람의 생각 한 단계에 해당하나요?
그렇게 보기는 어려워요. 층은 수학적인 계산 구조이며, 중간 값이 언제나 사람이 이름 붙일 수 있는 개념에 대응하는 것은 아니에요. 구조 그림만 보고 모델이 의미를 완전히 이해한다고 단정하지 않아요.
높은 출력 점수를 보여 줘도 실제로 맞았다는 보장은 아니에요. 점수의 의미는 모델과 출력 방식에 따라 다르며, 특히 학습에서 잘 다루지 않은 입력은 따로 평가해야 해요.
왜 알아야 할까요?
신경망이라는 모델 구조, 그 값을 조정하는 학습, 준비된 모델로 결과를 내는 추론을 구분할 수 있어요. 모델 구조 그림을 볼 때도 입력·중간 계산·출력이 무엇을 뜻하는지 읽기 시작할 수 있어요.
조금 더 자세히
계산 단위는 입력에 가중치를 적용하고 편향을 더하거나 활성화 함수를 적용하는 등의 연산을 수행할 수 있습니다. 층 사이의 연결과 계산 방식은 모델 구조에 따라 달라집니다.
입력층과 출력층 사이의 층을 은닉층이라고 부릅니다. 여러 층의 신경망을 활용하는 딥러닝에서도 구조뿐 아니라 데이터, 학습 방법, 평가 조건이 결과에 영향을 줍니다. 신경망을 그렸다는 것만으로 학습이나 검증이 끝난 것은 아닙니다.
직접 사용할 때 확인해 보세요
- 입력과 출력이 무엇인지 확인한다
- 모델 구조·학습·추론을 구분한다
- 낯선 입력과 틀린 분류를 평가한다
관계 지도
