딥러닝

AI 개념
약 1분 읽기

다층 인공 신경망을 통해 데이터의 복잡한 비선형 관계를 학습하는 머신러닝의 한 분야입니다. 데이터에서 특징(Feature)을 스스로 추출하며 이미지 인식, 자연어 처리, 생성형 AI 등 고도의 인지 능력이 필요한 분야에서 핵심 기술로 사용됩니다.

다른 이름
Deep Learning심층 학습

상세 설명

딥러닝은 인간 뇌의 신경망 구조를 모방한 인공 신경망(ANN)의 층을 깊게 쌓아 방대한 데이터로부터 패턴을 학습하는 기술입니다. 기존 머신러닝과 달리 사람이 직접 특징을 정의하지 않아도 신경망이 단계별(계층별)로 데이터의 추상적 표현을 학습하는 '특징 학습'이 가능합니다. 최근에는 트랜스포머(Transformer) 아키텍처를 기반으로 한 거대언어모델(LLM)과 확산 모델(Diffusion Model)의 근간이 되며 생성 AI 시대를 이끌고 있습니다. 높은 정확도를 위해 대규모 데이터셋과 GPU/NPU와 같은 고성능 컴퓨팅 자원이 필수적입니다.

도구 선택에서 중요한 이유

사용자가 해결하려는 문제의 복잡도에 따라 딥러닝 도입 여부를 결정해야 합니다. 정형 데이터 기반의 단순 예측은 일반 머신러닝이 효율적일 수 있으나, 이미지·음성·비정형 텍스트 분석이나 창의적 콘텐츠 생성 작업에는 딥러닝 기반 도구가 필수적입니다. 또한, 모델의 층이 깊을수록(Deep) 고성능 하드웨어 비용이 발생하므로 예산과 성능 사이의 균형점을 찾는 기준이 됩니다.

확인할 점

  • 해결하려는 문제가 이미지, 언어 등 비정형 데이터인가?
  • 모델 학습 또는 추론을 위한 GPU/NPU 자원이 확보되어 있는가?
  • 학습에 필요한 대규모의 고품질 데이터셋이 준비되어 있는가?
  • 실시간 응답(Low Latency)이 중요한가, 아니면 정확도가 최우선인가?

예시

스마트폰의 페이스 아이디(Face ID)는 딥러닝을 통해 사용자의 얼굴 특징을 인식하며, 챗GPT(ChatGPT)는 수십억 개의 파라미터를 가진 딥러닝 모델을 통해 인간과 유사한 문장을 생성합니다.

헷갈리기 쉬운 용어

머신러닝 (Machine Learning)

딥러닝을 포함하는 상위 개념으로, 수동으로 특징을 추출하는 알고리즘을 포함합니다.

인공 신경망 (ANN)

딥러닝의 기초가 되는 구조 자체를 의미하며, 이를 여러 층으로 쌓은 상태가 딥러닝입니다.

관련 용어

머신러닝artificial-neural-network트랜스포머생성형 AIbackpropagation