Page 88 - 인공지능 수학 교과서

인공지능이 개와 고양이의 이미지를 구별하는 원리는 무엇일까?

인공지능이 개와 고양이를 구별하게 하려면 고양이는 귀가 뾰족하고 주둥이가 짧으

며, 개는 귀가 둥글고 주둥이가 길다는 등의 일반적인 특징을 알려주어야 한다.
그런데 개와 고양이의 일반적인 특징에 부합되지 않는 예외가 생기면 인공지능에게

예외적인 사항을 추가해 주거나 기존의 특징을 수정해 주어야 한다.
인간은 이러한 예외적인 경우에도 개와 고양이를 구별하는 것을 어려워하지 않는

다. 왜냐하면 인간은 다양한 사례를 통해 개와 고양이에 관한 특징을 자연스럽게 배워
개와 고양이를 구별하게 되었기 때문이다. 기계도 인간처럼 다양한 사례를 스스로 배

워 익히게 하면 예외적인 경우에도 대처할 수 있지 않을까?

인간의 일반적인 사고방식을 이해하기 위해 뇌의 정보 전달 방법을 알아보자.
인간의 뇌는 뉴런의 가지 돌기에서 신호를 받아 축삭 돌기로 신호를 보낸다. 이때
임계값 각각의 가지 돌기에서 받은 신호의 크기가 임계값을 넘는 경우에만 시냅스를 통해 다
어떤 물리 현상이 갈라져서
다르게 나타나기 시작하는 음 뉴런으로 신호를 전달한다.
경계의 값
가지 돌기
신경 세포체 축삭 돌기
시냅스

핵
자극의 전달 방향

뇌의 뉴런 모델

뇌의 뉴런을 본뜬 인공 신경망은 다수의 입력값(x_1, x_2, x_3, ⋯, x_n)에 대응하는 가중

치(w_1, w_2, w_3, ⋯, w_n)를 곱한 값을 모두 더한 후 함수 f에 의하여 0 또는 1의 출력값
을 내보내는 구조로 되어 있다. 이런 인공 신경망을 퍼셉트론이라 한다.

x_1 w_1
y=f(x_1×w_1+x_2×w_2+⋯+x_n×w_n)
w_2
x_2 f (x) y x_i=입력값, y=출력값, w_i=가중치
⋮
⋮ w_n
...
(i=1, 2, , n)
x_n
신경망의 구조적 모델 신경망의 수학적 모델

여기서 중요한 입력값에는 큰 가중치를, 중요하지 않은 입력값에는 작은 가중치를
곱하여 다음 단계로 전달한다. 이때 전달한 값은 중요한 입력값이 강조된 형태로서 다

음 단계에서 목표하는 과정을 잘 수행하도록 한다.

86 Ⅲ. 분류와 예측