인간 뇌의 신경 연결 구조에서 영감을 받아 만든 머신러닝 모델. 층(layer)을 쌓아서 복잡한 패턴을 학습하는 딥러닝의 기반이다.

개념 설명

신경망은 입력층, 은닉층, 출력층으로 구성된다. 각 층의 뉴런은 가중치(weight)를 가진 연결로 이어져 있고, 입력 데이터가 층을 통과하면서 변환된다. 학습은 정답과 예측의 차이(손실)를 역전파로 전달해서 가중치를 조금씩 조정하는 과정이다. 층이 깊어질수록(딥러닝) 더 복잡한 패턴을 학습할 수 있지만 학습도 어려워진다.

사용 예시

신경망은 이미지 인식, 음성 인식, 자연어 처리, 게임 플레이 등 현재 AI의 거의 모든 영역에서 사용된다. PyTorch나 TensorFlow로 직접 신경망을 구현할 때는 레이어를 선언하고 순전파를 정의한 뒤 옵티마이저로 학습 루프를 돌린다. LLM을 쓸 때는 내부 구조를 직접 다루지 않아도 되지만, 신경망의 기본 원리(가중치, 파라미터, 과적합)를 이해하면 모델 선택과 파인튜닝 결정에 도움이 된다.