AI 용어집 · 입문 · 언어 모델
딥러닝 Deep Learning
딥러닝은 사람 뇌의 신경망을 본뜬 인공 신경망을 여러 층으로 깊게 쌓아, 데이터에서 복잡한 패턴을 스스로 배우게 하는 머신러닝 방법입니다.
어떻게 작동하나
딥러닝 모델은 입력층, 여러 개의 은닉층, 출력층으로 이뤄진 인공 신경망입니다. 각 층은 앞 층에서 받은 숫자를 계산해 다음 층으로 넘기고, 층을 지날수록 더 추상적인 특징을 잡아냅니다. 학습할 때는 출력과 정답의 차이를 거꾸로 전달하는 역전파와, 오차를 조금씩 줄이는 경사 하강법으로 수많은 파라미터를 고칩니다. '딥(deep)'은 이렇게 층이 깊다는 뜻입니다.
왜 중요한가
예전 머신러닝은 사람이 '어떤 특징을 볼지'를 미리 골라 줘야 하는 경우가 많았습니다. 딥러닝은 사진의 픽셀이나 문장의 글자 같은 원본 데이터에서 필요한 특징을 스스로 찾아냅니다. 덕분에 이미지 인식, 음성 인식, 번역 같은 분야의 성능이 크게 올랐습니다. 오늘날 LLM, 이미지 생성 AI 같은 생성형 AI도 모두 딥러닝 위에서 만들어졌습니다.
알아 둘 점
딥러닝은 많은 데이터와 GPU 같은 강력한 계산 자원이 필요합니다. 모델 안에서 어떤 이유로 그런 답을 냈는지 알기 어려워 '블랙박스'라는 비판을 받으며, 이를 풀려는 연구가 해석 가능성입니다. 대표적인 구조로는 이미지에 강한 CNN, 순서 있는 데이터에 쓰인 RNN, 그리고 현재 LLM의 바탕인 트랜스포머가 있습니다.
예시
스마트폰 사진 앱이 인물별로 사진을 자동 정리하거나, 음성 비서가 말을 글로 바꾸는 기능, 챗봇이 문장을 이해하고 답하는 기능이 모두 딥러닝 모델로 작동합니다.