최석재

신경망의 구조 3 - 가중치

2026-10-12T20:35:17Z

가중치(weight)는 입력 노드에서 뉴런으로 이어지는 선마다 하나씩 붙어 있는 값으로, 입력값의 중요도를 나타냅니다. 입력값은 이 가중치와 곱해진 뒤 뉴런으로 전달됩니다. 판단에 도움이 되는 입력에는 큰 가중치가 붙어 영향력이 커지고, 별로 도움이 되지 않는 입력에는 작은 가중치가 붙어 영향력이 줄어듭니다. 세무사를 뽑을 때 영어보다 수학 성적이 더 중요

신경망의 구조 2 - 입력층

2026-10-11T20:21:52Z

인공적으로 만든 뉴런은 어떻게 생겼을까요? 딥러닝에서 쓰는 인공 뉴런은 앞에서 이야기한 퍼셉트론을 기반으로 합니다. 퍼셉트론의 구조는 다음과 같이 크게 입력층, 가중치, 뉴런으로 이루어져 있습니다. 먼저 입력층부터 보겠습니다. 입력층은 데이터를 받아들이는 곳입니다. 그림에서 동그라미 하나하나를 노드라고 부르는데, 입력층의 노드는 입력값이 들어가는 자리입

신경망의 구조 1 - 고양이 인식

2026-10-09T20:15:43Z

2012년, 구글의 연구진이 놀라운 실험 결과를 발표했습니다. 연구진은 유튜브 동영상에서 한 장씩 추출한 1,000만 장의 이미지를 거대한 딥러닝 네트워크에 보여주었습니다. 이미지에 '이것은 고양이다' 같은 정답은 전혀 붙어 있지 않았습니다. 그런데 학습이 끝난 뒤 네트워크 안을 들여다보니, 고양이 얼굴에 강하게 반응하는 뉴런이 저절로 생겨나 있었습니다.

신경망의 등장 4 - 깨어나는 생각

2026-10-08T23:06:47Z

1969년 민스키와 페이퍼트의 퍼셉트론에 대한 비판이 발표된 후 신경망 연구는 그 인기가 급격히 식었습니다. 연구 자금이 끊겼고, 대학원생들은 다른 분야로 떠났습니다. 20년 안에 기계가 인간의 모든 일을 할 수 있을 것이라고 낙관했던 견해들은 과장된 것으로 여겨졌습니다. 또한 비슷한 시기에 미국 정부의 의뢰로 작성된 ALPAC 보고서가 기계번역은 비용이

신경망의 등장 3 - XOR 연산

2026-10-07T21:37:20Z

하지만 곧 퍼셉트론에 대한 비판이 제기되었습니다. 그리고 그 비판은 다름 아닌 인공지능 분야를 개척한 주요 인물들인 MIT의 마빈 민스키와 시모어 페이퍼트에 의해 제기되었습니다. 그렇기 때문에 이들의 비판은 더 영향력이 있었습니다. 이들이 제기한 가장 대표적인 문제는 퍼셉트론이 XOR 게이트와 같은 기본적인 문제조차 해결할 수 없다는 점이었습니다. 논리의

신경망의 등장 2 - 학습의 구현

2026-10-06T21:53:19Z

우리가 처음 자전거를 배울 때는 균형을 잡지 못하고 넘어지기 마련입니다. 하지만 넘어지려 할 때마다 반대 방향으로 몸의 중심을 바꾸는 연습을 하면서 우리는 어느덧 몸의 균형을 잡아가게 됩니다. 몸을 어떻게 움직이라는 정확한 규칙이 있는 것은 아니지만, 틀린 만큼 고쳐나가며 스스로 익히는 것이죠. 로젠블랫이 만든 퍼셉트론도 학습을 익혀나가며 수정하는 가중치

신경망의 등장 1 - 퍼셉트론

2026-10-05T21:03:53Z

1958년 여름, 코넬 항공 연구소의 연구원들은 종이 카드를 한 장씩 컴퓨터에 넣고 있었습니다. 카드에는 검은 점이 왼쪽 또는 오른쪽에 찍혀 있었습니다. 5톤짜리 컴퓨터에서 운영되던 최초의 인공신경망 프로그램은 그 점이 어느 쪽에 있는지를 맞혀야 했습니다. 처음에 프로그램은 아무렇게나 찍듯이 대답했지만, 연구원들이 왼쪽 또는 오른쪽이라는 정답을 알려주

프롤로그

2026-10-04T23:52:37Z

오늘날의 생성형 AI는 딥러닝이라는 기술로 만들어졌습니다. 딥러닝 알고리즘은 그 시작부터 사람의 두뇌에서 영감을 받았습니다. 사람의 두뇌가 약 860억 개의 뉴런과 그 사이의 수많은 연결로 이루어져 있듯이, 딥러닝 모델도 수많은 인공 뉴런과 이들을 잇는 연결로 이루어져 있습니다. 딥러닝의 학습은 이 연결들을 조절하는 과정입니다. 학습 데이터를 모델에 입력

언어와 사고 3 - 새로운 형태의 지능

2026-09-22T21:43:52Z

언어가 이처럼 사고 형성에 강력한 영향을 주는 것이라면, 언어 능력이 뛰어난 인공지능은 사고를 하고 있다고 보아야 할 것입니다. 사고를 형성하는 언어를 상황에 맞게 논리적으로 구성하고 있다면, 이미 사고를 형성하고 있다고 보지 않을 이유가 없기 때문입니다. 우리는 지금 특별한 순간을 경험하고 있습니다. 인간이 언어를 통해 사고 능력을 획득했듯이, 기계도

언어와 사고 2 - 어휘

2026-09-21T21:07:09Z

언어는 시간이 지날수록 더욱 정교해집니다. 처음에는 '물'이라는 단어만 있다가 '하늘에서 비로 내리는 물'이라는 의미가 자주 필요해지면서 '빗물'이라는 단어가 생기고, '바다에 있는 물'이라는 의미로 '바닷물'이, '눈에서 흘러나오는 물'이라는 의미로 '눈물'이 생기는 등 용도에 따라 조금씩 의미가 다른 합성어가 만들어집니다. 사고의 정교함은 언어의 정교

언어와 사고 1 - 혼잣말

2026-09-20T20:36:43Z

혼잣말은 사고 형성에 도움을 줍니다. 아이들은 혼자 놀 때도 '이제 이 장난감을 여기에 놓고... 아니야, 저기가 더 좋겠다... 조심조심...'과 같이 누군가와 대화하듯 중얼거리는데, 이러한 혼잣말이 언어 발달은 물론, 생각하는 힘을 발달시키는 데도 영향을 줍니다. 실제로 혼잣말을 하지 못하게 하면 아이들의 문제 해결 능력이 눈에 띄게 떨어진다고 합니다.

패턴 인식적 사고 3 - 영감(靈感)

2026-09-17T21:41:28Z

딥러닝의 인공 신경망이 예시를 통해 특징과 규칙을 습득하는 과정은 우리가 경험을 통해 직관을 키우는 방식과 구조적으로 닮아있습니다. '해 아래 새로운 것이 없다'라는 표현은 진정한 의미에서 완전히 새로운 것은 없다는 뜻입니다. 우리는 대개 과거의 어떤 것에서 영감을 받아 새로운 것을 만들어냅니다. 영감(靈感)을 구체적으로 정의하기란 어렵지만, 문제의 본질을

패턴 인식적 사고 2 - 패턴에서 창의로

2026-09-16T22:07:54Z

인공지능은 어떨까요? 오늘날 AI의 핵심은 방대한 데이터에서 패턴을 학습하는 데 있습니다. 한국어를 자연스러운 영어로 번역하고, 손을 놓고 있어도 자율주행차가 목적지까지 찾아갈 수 있는 것은 모두 방대한 훈련 데이터를 통해서 올바른 결과를 찾는 방법을 배운 덕분입니다. 그렇다고 패턴 학습이 이미 배운 내용에만 대응할 수 있는 것은 아닙니다. 2016년 이

패턴 인식적 사고 1 - 패턴 갈망

2026-09-15T21:14:08Z

새로운 직장을 처음 찾아갈 때는 멀리 돌아가더라도 시간 내에 도착하기만 하면 만족합니다. 그러나 며칠 다니다 보면 어느새 지름길을 찾고, 환승이 가장 빨리 되는 곳을 찾습니다. 최단 경로를 찾아내는 것이죠. 그리고 더 이상 효율적인 방법이 나오지 않으면 우리는 그 최단 경로를 매일 이용합니다. 직장으로 가는 패턴을 완성했기 때문입니다. 우리 뇌는 패턴을

뉴런의 생각 2 - 네트워크 커뮤니케이션

2026-09-14T20:48:23Z

뇌의 놀라운 점은 상상을 할 수 있다는 것입니다. 유니콘은 세상에 존재하지 않습니다. 뿔이 달린 말은 아무도 본 사람이 없음에도 이 상상의 동물을 누군가가 그려냈습니다. 어떻게 존재하지 않는 것을 그려낼 수 있었을까요? 그것은 뇌가 기존의 뉴런 패턴들을 창의적으로 재구성할 수 있기 때문입니다. 말의 형상을 알고 있는 뉴런 패턴과 뿔의 이미지를 알고 있는 뉴

뉴런의 생각 1 - 시냅스 네트워크

2026-09-13T20:46:22Z

카페에서 친구를 만나 즐거운 대화를 나누고 있다고 생각해봅시다. 당신은 가벼운 농담에 웃음이 터지고, 어제 본 쇼츠 영상에 대한 이야기를 나누며, 다음 주에 다시 만날 약속을 잡습니다. 이 평범한 순간에 당신의 뇌에서는 약 860억 개의 뉴런들이 번개처럼 신호를 주고받습니다. 이 신호는 각 뉴런마다 연결된 수많은 시냅스를 통해 퍼져나가 수백조 개의 시냅스

약한 AI, 강한 AI 3 - 강한 AI

2026-09-10T21:32:34Z

2022년 11월, OpenAI는 연구 단계에 머물던 기술을 획기적으로 발전시킨 ChatGPT를 발표했습니다. GPT-3.5를 기반으로 한 이 대화형 서비스는 사람의 피드백으로 모델을 다듬는 강화학습 방식을 도입해, 이전 모델들과는 달리 질문의 의도를 잘 알아듣고 답했습니다. 그리고 그것은 세상을 바꾸었습니다. ChatGPT가 이전의 인공지능과 다른 점은

약한 AI, 강한 AI 2 - 약한 AI

2026-09-09T20:30:48Z

1990년대 후반, AI를 현실적으로 접근한 연구에서 성과가 드러나기 시작했습니다. 인간과 같은 범용 지능을 만드는 대신, 특정 작업에 특화된 시스템을 개발하기 시작한 것입니다. 이른바 '약한 AI'의 등장이었습니다. 그리고 이 접근법은 다시 많은 사람들의 주목을 받았습니다. 1997년, IBM의 딥 블루가 체스에서 세계 챔피언인 카스파로프를 상대로 2승

약한 AI, 강한 AI 1 - 인공지능의 겨울

2026-09-08T20:28:37Z

인류는 눈 앞에 없는 것들을 이야기하고, 같은 주제를 놓고 토론하며, 깨달은 지식을 후세에 전달하면서 문명을 만들어 왔습니다. 이 능력으로 인류는 지구를 지배하고, '지능'은 인간을 인간답게 만드는 중요한 요소 중 하나가 되었습니다. 그런데 20세기 후반, 이전에는 보지 못했던 기술이 인류의 지능에 도전을 하게 되었습니다. 지능이라고 하는 것은 생물에게만

중국어 방 논증 3 - 의식하는 주체

2026-09-07T20:27:18Z

하지만 의미론의 부재를 문제 삼는 설의 입장에 대해서도 반박이 이루어졌습니다. 중국어 대화를 완벽하게 수행하는 시스템이 있다면, 외부에서 관찰하는 우리로서는 그것을 이해하는 주체로 간주하지 않을 이유가 없다는 것입니다. 우리가 타인을 이해하는 것은 그의 머릿속을 들여다본 결과가 아니라, 그가 보여주는 행동이기 때문입니다. 미국의 철학자 대니얼 데닛(Dani