딥러닝Deep Learning
여러 층으로 쌓은 인공 신경망으로 배우는 머신러닝이에요. 지금의 AI 대부분이 이 방식이에요.
쉽게 말하면
그림 맞히기를 여러 사람이 줄 서서 한다고 해 봐요. 첫 사람은 선만 보고, 다음 사람은 선을 모아 동그라미·네모를 보고, 그다음 사람은 눈·코를 보고, 마지막 사람이 '고양이!'라고 말해요.
딥러닝은 이런 줄(층)을 아주 많이 세운 거예요. 층이 깊어서(deep) 딥러닝이라고 불러요.
층이 많을수록 복잡한 것을 배울 수 있지만, 예시도 많이 필요하고 계산도 많이 해야 해요.
그림으로 정리하면
층마다 조금씩 더 큰 그림을 봐요
1층선과 점
2층동그라미·네모
3층눈·코·귀
답고양이!
예전 머신러닝과 딥러닝
예전 머신러닝
- 볼 특징을 사람이 정해 줘요 (귀 모양, 수염 길이)
- 예시 수천 개로도 돼요
- 보통 컴퓨터로 충분해요
딥러닝
- 특징까지 스스로 찾아요
- 예시가 수백만 개 이상 필요해요
- GPU 여러 대로 계산해요
실제로는
- 사진 인식, 음성 인식, 번역, ChatGPT 같은 언어 모델이 모두 딥러닝으로 만들어졌어요.
- 2010년대에 데이터가 많아지고 GPU로 계산이 빨라지면서 크게 발전했어요.
- 사람이 '무엇을 볼지' 정해 주지 않아도 층들이 스스로 특징을 찾아요.
왜 알아야 하나요
요즘 AI가 왜 비싼 GPU와 큰 데이터센터를 쓰는지 이해할 수 있어요. 층이 깊고 커질수록 계산이 엄청나게 많아져요.
헷갈리기 쉬운 것
- 딥러닝은 머신러닝의 한 종류예요.
- 왜 그런 답을 냈는지 사람이 설명하기 어려운 경우가 많아요(블랙박스).