시리즈 | Deep Learning - 1. 딥러닝이란?
요즘 뉴스를 보다 보면 인공지능에 관한 키워드가 자주 등장하는 것을 알 수 있다. 인공지능, 기계학습, 머신러닝 등 다양한 용어들이 넘쳐나지만, 그중에서도 항상 빠지지 않고 등장하는 것이 바로 ‘딥러닝’이다. 그러나 다른 용어들은 어느 정도 뜻을 유추할 수 있는 반면, ‘심층 학습’이라는 말로 번역되는 딥러닝은 직관적으로 의미를 파악하기 쉽지 않다. 관련 내용을 찾아봐도 ‘인간의 뇌 구조를 모방한 인공신경망을 사용한다’는 설명이 주를 이룰 뿐, 그 구체적인 작동 원리에 대해 설명하는 글은 드물다.
이 글은 딥러닝 시리즈의 첫 번째 글로, 인공지능의 하위 분야와 딥러닝의 정의를 정리하고, 딥러닝이 실제로 어떻게 활용되고 있는지를 살펴본다.
인공지능과 머신러닝, 딥러닝
컴퓨터란 무엇일까? 컴퓨터의 성능이 향상되고 다양한 소프트웨어가 등장하면서, 마치 컴퓨터가 스스로 사고하고 판단하는 존재처럼 여겨지는 경우도 있다. 하지만 본질적으로 컴퓨터는 이진법을 기반으로 작동하는 계산기일 뿐이다. 우리가 사용하는 고도화된 소프트웨어 역시 정해진 코드에 따라 움직이는 것이지, 스스로 학습하거나 추리, 논증을 수행하지는 못한다.
그럼에도 불구하고, 인간의 학습 능력, 추론 능력, 지각 능력을 컴퓨터로 구현하려는 시도는 오래전부터 이어져 왔다. 컴퓨터 시스템이 인간의 지능(자연지능)처럼 학습, 추론, 적응, 논증 등을 수행할 수 있도록 만든 것을 우리는 ‘인공지능’이라 부른다. 2025년 현재, 인공지능 기술은 매우 빠른 속도로 발전하고 있으며, 그 안에는 여러 하위 분야가 존재한다.
그중 하나가 바로 머신러닝이다. 머신러닝은 인공지능의 하위 분야의 하나로, "컴퓨터가 명시적으로 프로그래밍되지 않고도 학습할 수 있도록 하는 연구 분야"를 말한다(1959, Arthur Samuel). 보다 엄밀한 정의로, 프로그램이 어떤 작업을 수행할 때 특정 경험을 통해 성능 측정 결과 발전된 성능을 보였다면 이 컴퓨터 프로그램은 학습한다고 정의한다. 한 예로 손글씨를 인식하는 어떤 프로그램을 생각하자. 이 프로그램이 '정답이 포함된 손글씨'를 이용하여 손글씨 인식의 정확도를 높였다면 이 프로그램은 스스로 학습하는 시스템인 것이다.
그렇다면 딥러닝은 무엇일까? 딥러닝은 인간의 뇌 속 신경망을 모방한 인공신경망을 통해 학습하는 방법을 의미한다. 인간의 뇌는 수많은 뉴런들이 서로 연결되어 전기 신호를 주고받는 방식으로 작동한다. 인공신경망은 이러한 구조를 본떠, 여러 입력값을 받아 하나의 결과를 출력하는 뉴런 구조(이에 대해서는 다음 글에서 자세히 설명할 예정이다)를 갖춘 시스템으로 구성되어 있다.
이상을 정리하면 아래 그림과 같이 표현된다.
딥러닝의 성과
딥러닝의 기원을 거슬러 올라가면 1957년까지 올라간다. 현재 시점에서 약 70년 전 제시된 개념이지만, 지금과 같은 위상을 갖게 된 것은 2010년대 초반 이후의 일로, 비교적 최근의 일이다. 딥러닝이 급속도로 발전할 수 있었던 데에는 여러 이유가 있지만, 가장 핵심적인 배경은 기존의 한계를 뛰어넘은 새로운 학습 기법의 등장과 하드웨어 성능의 향상이다.
기존의 머신러닝 기법으로는 이미지 분류나 손글씨 인식처럼 사람에게는 비교적 단순한 문제도 해결하기 어려웠다. 그러나 딥러닝 기술이 도입되면서, 2010년대 중반부터는 인공지능이 해당 분야에서 인간의 성능을 넘어서기 시작했다. 현재는 그보다 더 복잡한 문제들에서도, 딥러닝 기반 인공지능이 인간을 능가하는 성능을 보여주고 있다.
예를 들어, 우리가 일상에서 자주 사용하는 이미지 생성 모델이나 GPT와 같은 거대 언어 모델(LLM) 역시 모두 딥러닝을 기반으로 만들어졌다. 2010년대 이후 수많은 고성능 인공지능 학습 기법이 제안되었지만, 현재 상용화되어 널리 사용되고 있는 대부분의 인공지능 시스템은 여전히 딥러닝을 이론적 기반으로 하고 있다는 점에서, 이는 실로 놀라운 성과라 할 수 있다.
맺음말
이처럼 딥러닝은 인공지능과 머신러닝의 발전 과정 속에서 등장한 핵심 기술로, 오늘날 우리가 사용하는 다양한 인공지능 서비스의 기반이 되고 있다. 단순한 계산을 수행하던 컴퓨터가 이제는 사람의 언어를 이해하고, 이미지를 생성하며, 복잡한 의사결정까지 수행할 수 있게 된 배경에는 딥러닝의 혁신이 있다. 물론 딥러닝에도 여전히 해결해야 할 과제가 존재하고, 기술 발전은 계속되고 있지만, 지금까지 보여준 성과만으로도 그 가능성과 영향력은 충분히 입증되었다.
앞으로의 글에서는 이러한 딥러닝 기술이 실제로 어떻게 작동하는지, 인공신경망의 구조와 원리를 중심으로 좀 더 깊이 있게 살펴볼 것이다. 구체적으로, 다음 글에서는 퍼셉트론과 인공신경망의 개념, 구성 요소에 대해 자세히 다룰 것이다.
참고문헌
2021-06-14 (11:46 pm)
Contributors to Wikimedia projects
