5분 만에 이해하는 신경망: 신경망이란 무엇이며 어떻게 작동할까? | 심플리런

⏱ 00:16신경망은 뇌 구조에서 영감을 받은 딥러닝의 토대다. 28×28픽셀 도형 분류 예시에서는 입력에 가중치를 곱해 더하고 편향과 활성화 함수를 거쳐 순전파로 출력을 예측한다. 학습 시 실제 출력과 비교한 오차를 역전파하고 가중치를 반복 조정한다. 학습에는 몇 시간에서 몇 달이 걸릴 수 있으며, 실시간 번역·얼굴 인식과 나이 추정·강우 및 주가 예측·작곡 등에 활용된다. 핵심 학습 포인트는 입력층·은닉층·출력층의 역할과 순전파·역전파의 차이다.

⏱ 00:00지난여름, 저와 가족은 러시아를 방문했습니다. 가족 중 누구도 러시아어를 읽을 줄 몰랐지만 길을 찾는 데는 아무런 어려움이 없었습니다. 구글이 러시아어 표지판을 영어로 실시간 번역해 준 덕분이었죠. 이것은 신경망의 여러 활용 사례 중 하나입니다. 신경망은 머신러닝의 하위 분야인 딥러닝의 토대이며, 그 알고리즘은 인간 두뇌의 구조에서 영감을 받았습니다. 신경망은 데이터를 입력받아 그 안의 패턴을 인식하도록 스스로 학습하고, 비슷한 새로운 데이터가 주어지면 출력값을 예측합니다. 이 과정이 어떻게 이루어지는지 알아보겠습니다.

⏱ 00:36정사각형, 원, 삼각형을 구분하는 신경망을 만들어 봅시다. 신경망은 여러 뉴런의 층으로 이루어지며, 뉴런은 신경망의 핵심 처리 단위입니다. 먼저 입력을 받아들이는 입력층이 있고, 최종 출력값을 예측하는 출력층이 있습니다. 그 사이에는 신경망에 필요한 계산의 대부분을 수행하는 은닉층이 있습니다. 여기 원의 이미지가 하나 있습니다. 이 이미지는 가로 28픽셀, 세로 28픽셀로, 총 784개의 픽셀로 구성됩니다. 각 픽셀은 첫 번째 층에서 그에 대응하는 뉴런의 입력으로 들어갑니다.

⏱ 01:16한 층의 뉴런은 연결 통로를 통해 다음 층의 뉴런과 이어집니다. 각 통로에는 가중치(weight)라는 수치가 부여됩니다. 입력값에 각각 대응하는 가중치를 곱하고, 그 결과를 모두 더해 은닉층 뉴런에 입력합니다. 각 뉴런에는 편향(bias)이라는 수치도 있으며, 이를 입력값의 가중합에 더합니다. 이렇게 얻은 값은 활성화 함수(activation function)라는 임계 함수를 통과합니다. 활성화 함수의 결과는 해당 뉴런을 활성화할지 결정합니다. 활성화된 뉴런은 연결 통로를 통해 다음 층의 뉴런에 데이터를 전달합니다. 이런 식으로 데이터가 신경망을 따라 전달되는 과정을 순전파(forward propagation)라고 합니다.

⏱ 02:06출력층에서는 가장 높은 값을 가진 뉴런이 활성화되어 출력값을 결정합니다. 이 값들은 기본적으로 확률입니다. 예를 들어 여기서는 정사각형에 해당하는 뉴런의 확률이 가장 높습니다. 따라서 신경망이 예측한 출력은 정사각형입니다. 물론 우리는 이미지를 보기만 해도 신경망의 예측이 틀렸다는 것을 알 수 있습니다. 그렇다면 신경망 스스로는 이 사실을 어떻게 알아낼까요? 지금의 신경망은 아직 학습하지 않은 상태라는 점을 기억하세요.

⏱ 02:35학습 과정에서는 신경망에 입력값과 함께 실제 출력값도 제공합니다. 예측 출력값을 실제 출력값과 비교하여 예측 오차를 알아냅니다. 오차의 크기는 예측이 얼마나 틀렸는지 나타내며, 오차의 부호는 예측값이 기대한 값보다 높은지 낮은지를 나타냅니다. 여기 보이는 화살표는 오차를 줄이려면 어느 방향으로 얼마나 바꿔야 하는지 보여 줍니다. 이 정보는 신경망을 거슬러 뒤쪽으로 전달됩니다. 이를 역전파(backpropagation)라고 합니다. 이제 이 정보를 바탕으로 가중치를 조정합니다.

⏱ 03:13여러 입력값을 사용하면서 이러한 순전파와 역전파의 순환을 반복합니다. 신경망이 대부분의 경우에 도형을 올바르게 예측할 수 있도록 가중치가 설정될 때까지 이 과정을 계속합니다. 그러면 학습 과정이 끝납니다. 학습에 시간이 얼마나 걸리는지 궁금할 수도 있습니다. 솔직히 말하면 신경망을 학습시키는 데는 몇 시간이 걸릴 수도 있고, 심지어 몇 달이 걸릴 수도 있습니다. 하지만 그 활용 범위에 비추어 보면 이 정도의 시간 투자는 합리적인 절충이라고 할 수 있습니다.

⏱ 03:43신경망의 주요 활용 사례를 살펴보겠습니다. 첫 번째는 얼굴 인식입니다. 요즘 스마트폰 카메라는 얼굴 특징을 바탕으로 사람의 나이를 추정할 수 있습니다. 여기에도 신경망이 작동합니다. 먼저 배경에서 얼굴을 구분한 다음, 얼굴의 주름과 반점을 가능한 나이와 연관 짓습니다. 다음은 예측입니다. 신경망은 패턴을 이해하도록 학습하여 비가 올 가능성이나 주가가 오를 가능성을 높은 정확도로 알아낼 수 있습니다. 음악 작곡에도 활용됩니다. 신경망은 음악의 패턴까지 배우고 충분히 학습하여 새로운 곡을 작곡할 수 있습니다.

⏱ 04:20여러분께 문제를 하나 드리겠습니다. 다음 설명 중 옳지 않은 것은 무엇일까요? A. 활성화 함수는 임계 함수이다. B. 신경망의 각 층에서 오차를 계산한다. C. 신경망의 학습 과정에서는 순전파와 역전파가 모두 이루어진다. D. 데이터 처리의 대부분은 은닉층에서 이루어진다. 아래 댓글란에 답을 남겨 주세요. 세 분에게 아마존 상품권을 받을 기회가 있으니 놓치지 마세요.

⏱ 04:49딥러닝과 신경망 분야에서 우리는 아직 걸음마를 떼는 단계입니다. 주요 기업들은 이 분야의 성장을 내다보았습니다. 구글, 아마존, 엔비디아 같은 기업들은 신경망 구현을 지원하는 라이브러리, 예측 모델, 직관적인 GPU 등의 제품 개발에 투자했습니다. 미래를 내다보는 이들의 의견이 갈리는 질문은 신경망이 어디까지 발전할 수 있는가 하는 것입니다. 인간의 두뇌를 어느 정도까지 재현할 수 있을까요? 확실한 답을 내놓으려면 몇 년은 더 기다려야 할 것입니다.

⏱ 05:21이 영상이 즐거우셨다면 몇 초만 시간을 내어 좋아요를 누르고 공유해 주세요. 아직 채널을 구독하지 않으셨다면 구독하고 알림 종 모양 아이콘도 눌러 주세요. 앞으로도 흥미로운 영상이 많이 준비되어 있습니다. 그때까지 즐겁게 학습하시기 바랍니다!