AI 용어집 · 입문 · 언어 모델
인공 신경망 ANN, Artificial Neural Network
인공 신경망은 숫자를 받아 계산하는 작은 단위(뉴런)를 여러 층으로 연결하고, 데이터를 보며 연결 강도를 스스로 조정해 규칙을 배우는 계산 구조입니다. 오늘날 딥러닝과 LLM의 기본 뼈대입니다.
어떻게 작동하나
신경망은 입력층, 하나 이상의 은닉층(Hidden Layer), 출력층으로 이루어집니다. 각 뉴런은 앞 층에서 받은 숫자들에 저마다의 가중치(연결 강도)를 곱해 더한 뒤, 활성화 함수라는 규칙을 거쳐 다음 층으로 넘깁니다. 처음에는 가중치가 아무렇게나 정해져 있어 엉뚱한 답을 내지만, 정답과의 차이를 줄이는 방향으로 가중치를 조금씩 고치기를 반복하며 학습합니다. 이 가중치들이 흔히 말하는 '파라미터'입니다.
왜 중요한가
사람이 일일이 규칙을 적어 주지 않아도 데이터만으로 사진 속 물체, 말소리, 문장의 뜻 같은 복잡한 패턴을 배울 수 있습니다. 층을 깊게 쌓은 신경망을 다루는 분야가 딥러닝이고, 이미지 인식의 CNN, 문장 처리의 RNN과 트랜스포머도 모두 신경망의 한 형태입니다. 지금 쓰이는 대부분의 생성형 AI가 이 구조 위에 서 있습니다.
알아 둘 점
신경망은 왜 그런 답을 냈는지 사람이 들여다보기 어려워 '블랙박스'라고 불리기도 하며, 이를 풀려는 연구가 해석 가능성입니다. 학습에는 많은 데이터와 계산 자원(GPU 등)이 필요합니다. 학습 데이터를 너무 외워 버리면 처음 보는 데이터에서 성능이 떨어지는 과적합이 생길 수 있습니다.
예시
스마트폰 사진 앱이 사진을 '음식', '풍경', '사람'으로 자동 분류하거나, 음성 비서가 말을 글자로 바꾸는 기능은 대부분 인공 신경망이 처리합니다. ChatGPT·Claude 같은 LLM도 트랜스포머라는 구조의 거대한 신경망입니다.