AI 학습 원리 총정리
AI 학습 원리 총정리! 지금까지 배운 내용을 한 번에 이해해 보자
지금까지 AI가 학습하는 과정에 대해 여러 편에 걸쳐 알아보았습니다.
퍼셉트론
가중치와 편향
활성화 함수
역전파
손실 함수
경사하강법
각각의 개념은 이해했지만,
"그래서 AI는 실제로 어떤 순서로 학습하는 걸까?"
라는 궁금증이 생길 수 있습니다.
이번 글에서는 지금까지 배운 내용을 하나의 흐름으로 연결하여 AI가 어떻게 학습하는지 처음부터 끝까지 살펴보겠습니다.
AI도 처음에는 아무것도 모릅니다
사람도 처음 운전을 배우면
브레이크와 엑셀조차 헷갈립니다.
AI도 마찬가지입니다.
처음에는
무엇이 중요한지,
어떤 특징을 봐야 하는지,
전혀 알지 못합니다.
그래서 처음에는 거의 틀린 답만 내놓습니다.
하지만
틀리고,
수정하고,
다시 배우는 과정을 반복하면서
점점 더 똑똑해집니다.
AI 학습 전체 과정
지금까지 배운 내용을 한 장으로 표현하면 다음과 같습니다.
입력 데이터
↓
가중치
↓
편향
↓
활성화 함수
↓
예측 결과
↓
손실 함수
↓
역전파
↓
경사하강법
↓
가중치 수정
↓
다시 예측
이 과정을 수천 번,
수만 번 반복하면서
AI는 학습합니다.
① 입력 데이터
모든 학습은 데이터에서 시작합니다.
예를 들어
AI에게 고양이 사진을 보여준다고 생각해 보겠습니다.
처음에는 AI는
그 사진이 고양이인지,
강아지인지,
전혀 모릅니다.
그저 숫자 데이터만 입력받습니다.
② 가중치
AI는 입력된 정보 가운데
무엇이 중요한지 판단해야 합니다.
예를 들어
고양이를 구분할 때
귀,
눈,
수염은 중요합니다.
반대로
배경의 나무나 하늘은 중요하지 않을 수도 있습니다.
이 중요도를 결정하는 것이
바로 가중치입니다.
비유
시험에서 중요한 문제에 더 높은 배점을 주는 것과 같습니다.
③ 편향
가중치만으로는 부족할 때가 있습니다.
AI는 기준을 조금 높이거나 낮춰야 할 수도 있습니다.
이 역할을 하는 것이
편향(Bias)입니다.
비유
자동문이 사람과 충분히 가까워졌을 때만 열리도록 기준 거리를 조정하는 것과 같습니다.
④ 활성화 함수
모든 계산 결과가
다음 뉴런으로 전달되는 것은 아닙니다.
활성화 함수는
계산 결과를 보고
전달할지,
전달하지 않을지를 결정합니다.
비유
회사의 서류 심사처럼 일정 기준을 넘은 지원자만 다음 단계로 올라갑니다.
⑤ 예측
지금까지 계산이 끝나면
AI는 하나의 답을 내놓습니다.
예를 들어
고양이 85%
강아지 15%
처럼
확률 형태로 결과를 예측합니다.
하지만
이 결과가 맞는지는 아직 알 수 없습니다.
⑥ 손실 함수
이제 AI는
자신의 답을
실제 정답과 비교합니다.
그리고
얼마나 틀렸는지를
숫자로 계산합니다.
이를
손실 함수(Loss Function)라고 합니다.
비유
시험을 보고 채점을 하는 과정입니다.
손실이 작을수록
정답에 가까웠다는 뜻입니다.
⑦ 역전파
손실을 계산했다고 해서
자동으로 AI가 똑똑해지는 것은 아닙니다.
AI는
왜 틀렸는지
거꾸로 추적해야 합니다.
이 과정이
역전파입니다.
비유
오답노트를 보며 어디에서 실수했는지 찾아보는 과정입니다.
⑧ 경사하강법
어디를 수정해야 하는지 찾았다면
이번에는
어느 방향으로 수정해야 할지 결정해야 합니다.
AI는
손실이 가장 많이 줄어드는 방향으로
가중치를 조금씩 변경합니다.
이것이
경사하강법입니다.
비유
안개 낀 산에서 가장 낮은 골짜기를 찾아 한 걸음씩 내려가는 것과 같습니다.
⑨ 다시 처음으로
가중치가 수정되면
학습이 끝나는 것이 아닙니다.
AI는
다시 같은 데이터를 입력받아
새로운 가중치로
예측을 합니다.
그리고
손실을 계산하고,
역전파를 수행하고,
경사하강법으로 다시 수정합니다.
이 과정을
수천 번,
수만 번 반복합니다.
예측
↓
손실 계산
↓
역전파
↓
경사하강법
↓
가중치 수정
↓
다시 예측
바로 이 반복이
AI 학습의 핵심입니다.
사람의 공부와 비교해 보면
AI의 학습 과정은 사람의 공부와 매우 비슷합니다.
| 사람 | AI |
|---|---|
| 공부 | 데이터 입력 |
| 시험 보기 | 예측 |
| 채점 | 손실 함수 |
| 오답노트 | 역전파 |
| 공부 방법 수정 | 경사하강법 |
| 다시 시험 | 다시 예측 |
그래서 AI를 이해할 때는
"AI도 공부하는 학생이다."
라고 생각하면 훨씬 이해하기 쉽습니다.
지금까지 배운 내용을 한 줄씩 정리하면
퍼셉트론 → 가장 작은 인공 뉴런
가중치 → 무엇이 중요한지 결정
편향 → 기준을 조정
활성화 함수 → 다음으로 전달할지 결정
손실 함수 → 얼마나 틀렸는지 계산
역전파 → 왜 틀렸는지 추적
경사하강법 → 어떻게 수정할지 결정
이 모든 과정이 반복되면서
AI는 점점 더 정확한 답을 내놓게 됩니다.
이제부터는 AI의 눈을 이해할 차례입니다
지금까지는
AI가 학습하는 방법을 배웠습니다.
이제부터는
AI가 실제로
사진,
영상,
문장을
어떻게 이해하는지를 살펴볼 차례입니다.
가장 먼저 만나게 될 모델이
바로 CNN(합성곱 신경망)입니다.
CNN은 이미지 속에서
눈,
귀,
코,
바퀴,
문자처럼
작은 특징을 찾아내며 이미지를 이해하는 대표적인 딥러닝 모델입니다.
마무리
AI는 단순히 정답을 외우는 프로그램이 아닙니다.
데이터를 입력받고,
중요도를 계산하고,
예측을 만든 뒤,
틀린 정도를 확인하고,
원인을 찾아 수정하는 과정을 수없이 반복하며 스스로 성능을 향상시킵니다.
이러한 반복 학습 덕분에 오늘날의 AI는 사람의 얼굴을 인식하고, 음성을 이해하며, 자연스러운 문장을 생성할 수 있게 되었습니다.
지금까지 배운 내용은 앞으로 등장할 CNN, Transformer, LLM 같은 최신 AI 기술의 공통 기반이 되는 핵심 원리입니다.
💡 오늘의 핵심
AI는 예측 → 채점 → 수정 → 다시 예측을 반복하며 점점 더 정확한 모델로 성장합니다.
댓글
댓글 쓰기