신경망 작동 원리 쉽게 이해하기 — 뉴런·가중치·레이어와 추천 시스템의 학습 방법

핵심 메시지

• 초기 AI 과학자들은 가장 잘 학습하는 대상인 인간의 두뇌, 곧 뉴런을 모방해 인공 뉴런을 만들었다.
• 인공 뉴런은 여러 입력 신호를 받아 간단한 수학 처리로 합쳐 하나의 출력 신호를 내보낸다.
• 뉴런 하나로는 할 수 있는 일이 적고, 여러 개를 결합한 인공 신경망에서 진짜 힘이 나온다.
• 추천 시스템은 사용자의 평점을 피드백 삼아 각 입력의 가중치를 반복적으로 조정하며 학습한다.
• 강력한 신경망은 입력·은닉·출력 레이어에 수백만 개의 뉴런을 배치하고, 한 레이어의 출력을 다음 레이어의 입력으로 넘긴다.

쉽게 이해하기

학습하는 기계를 만들기 위해 초기 컴퓨터 과학자들은 가장 잘 학습하는 대상을 참고했는데, 그것이 바로 인간의 두뇌였다. 두뇌는 뉴런이라는 특별한 세포로 이뤄져 있고, 뉴런의 한쪽 끝으로 입력 신호가 들어가면 내부에서 결합돼 다른 쪽 끝으로 출력 신호가 나온다. 수십억 개의 뉴런이 서로 연결된 생물학적 신경망이 정보를 처리하고 패턴을 인식한다.

이를 본떠 과학자들은 소프트웨어에 단순한 인공 뉴런을 만들었다. 다수의 신호가 입력으로 들어가 뉴런을 통과하며 합쳐지고, 간단한 수학 처리를 거쳐 새로운 신호로 나오는 구조다. 다만 뉴런 하나로는 많은 일을 할 수 없고, 여러 인공 뉴런을 결합해 인공 신경망을 만들 때 비로소 이미지를 인식하고 자동차를 운전하며 예술을 창작하는 잠재력이 발휘된다.

작동 방식을 이해하기 위해 영화 추천 시스템을 예로 들어 보자. 알리, 보위, 케이시라는 세 평론가가 각각 별 1~5개로 영화를 평가하고, 이 평점이 하나의 인공 뉴런에 입력으로 들어가 계산을 거쳐 추천 평점이라는 하나의 출력으로 나온다. 처음에는 세 평론가의 의견이 동일한 비중으로 계산된다.

핵심은 학습이다. 우리가 영화를 직접 보고 평점을 주면, 그 평점이 뉴런을 훈련시키는 데 쓰인다. 예컨대 우리의 평점이 보위·케이시와 가까우면 두 사람의 비중이 올라가고, 별 하나를 준 알리와 어긋나면 알리의 비중은 내려간다. 새로운 영화가 나올 때마다 이 과정을 반복하며, 시스템이 우리가 즐길 영화를 추천할 때까지 가중치가 계속 조정된다.

예시의 뉴런은 단 하나였지만, 실제 강력한 신경망에는 수백만 개의 뉴런이 입력 레이어, 은닉 레이어, 출력 레이어로 정렬돼 있다. 한 레이어의 출력은 다음 레이어의 입력이 되며 이 과정이 이어진다. 음악·쇼핑 추천 시스템이 매일 수백만 사용자의 평점으로 이렇게 작동하고, 나아가 신경망은 홍수·산불 예측, 야생생물 보호, 질병 탐지와 치료 같은 큰 문제에도 활용된다.

주요 인사이트

• 신경망은 인간 두뇌의 뉴런 구조를 소프트웨어로 단순 모방한 데서 출발했다.
• 개별 뉴런은 단순하지만, 이를 레이어로 쌓아 연결하면 이미지 인식·자율주행 같은 복잡한 능력이 창발한다.
• 학습의 본질은 결과(사용자 평점)에 맞춰 각 입력의 가중치를 조정하는 반복 과정이다.
• 우리가 매기는 평점 하나하나가 모여 추천 시스템의 가중치를 함께 수정한다는 점에서, 사용자도 학습의 일부다.

자주 묻는 질문

관련 AI 소식