딥러닝 지도학습 원리 쉽게 이해하기 — 알파고와 자율주행이 속을 열면 같은 구조인 이유

핵심 메시지

• 알파고와 테슬라의 자율주행, 구글의 음성 인식, 병원의 암 판별기는 속을 열면 모두 같은 구조로 되어 있다.
• 신경망이 하는 일은 숫자로 들어온 입력에 곱하기와 더하기를 반복해 마지막에 나온 숫자의 크기를 비교하는 것뿐이다.
• 지도 학습은 개와 고양이를 알려 주듯 입력과 정답을 짝지어 주는 것이고, 강연에서는 배경색과 어울리는 글자색을 20~30개만 알려 줬다.
• 사람이 짠 알고리즘과 학습된 신경망은 거의 같은 답을 냈지만, 신경망의 가중치는 기계가 찾은 숫자여서 그 의미를 사람이 알지 못한다.
• 20~30개의 정답만으로 1,600만 가지 색을 대체로 맞히는 것, 즉 배우지 않은 경우까지 답을 내는 것이 딥러닝의 핵심이다.

쉽게 이해하기

이 강연은 카오스재단이 2026년 행사를 앞두고 다시 공개한 인공지능 강의의 한 대목으로, 신경망의 기초 원리를 살펴본 뒤 곧바로 놀라운 사실을 꺼내며 시작한다. 알파고를 뜯어 보면 이렇게 되어 있고, 테슬라의 자율주행 엔진도, 구글의 음성 인식도, 요즘 병원에서 많이 쓰는 암 판별기도 똑같은 구조라는 것이다. 강연자는 정말 그렇게 단순하냐고 스스로 되묻고는 정말 그렇게 단순하다고 답한다.

구조를 풀어 보면 이렇다. 자율주행이라면 카메라로 들어오는 화면이, 바둑이라면 현재 판의 상황이 숫자로 입력된다. 여기에 곱하기와 더하기를 죽 반복하면 마지막에 숫자가 나오는데, 두 숫자 중 어느 쪽이 더 큰지에 따라 가속 페달을 밟을지 제동을 걸지, 또는 어느 자리에 돌을 놓을지가 정해진다. 음성 인식이라면 같은 방식으로 '엄마'인지 '아빠'인지가 갈린다.

강연자는 이를 눈으로 보여 주기 위해 배경색에 어울리는 글자색을 고르는 문제를 준비했다. 배경색이 바뀔 때 흰 글씨가 잘 보일지 검은 글씨가 잘 보일지 자신의 눈을 기준으로 20~30개 정도만 골라 알려 주고, 이 입력과 정답의 짝을 학습 데이터로 삼았다. 사진을 보여 주며 이건 개, 이건 고양이라고 알려 주는 것과 똑같은 일이며, 이렇게 가르치는 방식을 지도 학습이라고 부른다고 설명한다.

비교 대상으로는 사람이 직접 짠 알고리즘이 등장한다. 배경색의 빨강·초록·파랑 값에 각기 다른 가중치를 곱해 더한 뒤 나눠서 회색 밝기를 구하고, 그 값이 검은색에 가까우면 흰 글씨를 쓰는 짧은 코드다. 가중치가 서로 다른 이유는 사람이 밝기를 느끼는 정도가 색마다 다르다는 연구 결과를 그대로 옮겼기 때문이다. 학습된 신경망과 이 코드를 나란히 돌려 보니 결과는 거의 같았고, 애매한 색에서 답이 갈릴 때도 양쪽 모두 그럴듯해 보였다.

차이는 코드 안쪽에 있다. 신경망 쪽 코드도 사람이 짰지만 하는 일은 층과 노드, 연결을 도는 세 겹 반복문 안에서 곱하고 더하는 것뿐이고, 정작 결과를 좌우하는 가중치 숫자는 기계가 학습으로 찾아냈다. 강연자는 알파고에는 이런 숫자가 3천만 개쯤 있다고 말하며, 학습할 때마다 값이 달라지고 그 의미는 사람이 알지 못한다고 덧붙인다. 마지막으로 그는 20~30개만 가르쳤는데 어떻게 나머지를 다 맞히는지 물으며, 이것이 암 사진 수천 장으로 새 사진을 판별하고 개 사진 천 장으로 백만 장을 알아보는 일과 같은 이야기라고 정리한다.

주요 인사이트

• 딥러닝에서 사람이 하는 일과 기계가 하는 일의 경계가 선명하게 드러난다. 사람은 입력을 받아 곱하고 더하는 뼈대와 마지막 판정 기준을 코드로 짜고, 기계는 그 뼈대를 채우는 가중치 숫자를 찾는다.
• 강연자는 사람이 짠 알고리즘 쪽 코드를 두고 이런 코드가 1억 줄 모이면 운영체제가 된다고 설명한다. 생각도 사람이 하고 코드도 사람이 만드는 것이 프로그래밍이라는 대비를 세우기 위한 장치다.
• 신경망의 가중치는 고정된 정답이 아니다. 같은 문제를 다시 학습시키면 다른 숫자가 나오고, 그럼에도 결과는 비슷하게 잘 나온다는 점이 함께 언급된다.
• 컴퓨터가 표현하는 색은 세 값의 조합이라 256의 세제곱, 약 1,600만 가지다. 그중 스무 개 남짓만 알려 주고 나머지를 맞히게 하는 실험이라는 점에서 일반화의 규모가 직관적으로 와닿는다.
• 이 강의는 2020년에 진행된 내용을 6년 만에 다시 꺼낸 것으로, 그동안 인공지능이 얼마나 달라졌는지를 견주어 보자는 취지로 공개됐다.

자주 묻는 질문

관련 AI 소식