기존의 AI는 주어진 데이터를 분류하거나 예측하는 역할을 했어요.생성형 AI는 한 걸음 더 나아가 완전히 새로운 것을 만들어내는 '창작자' 역할을 해요.이전 글: 딥러닝이 강한 이유 — 비정형 데이터와 특징 추출 ℹ️ 생성형 AI란?생성형 AI(Generative AI)는 데이터를 바탕으로 패턴을 학습한 뒤, 그 패턴을 조합해 텍스트·이미지·음성·영상 등 새로운 콘텐츠를 만들어내는 AI예요. 기존 AI vs 생성형 AI기존 AI (감별사) : 수많은 그림을 보고 "이건 피카소 그림이네!", "이건 램브란트 그림이네!" 하고 맞히는 역할생성형 AI (창작자) : "피카소 화풍으로 귀여운 고양이 그림 한 장 그려줘!"라고 하면, 세상에 없던 새로운 그림을 뚝딱 만들어내는 역할 ℹ️ 생성형 AI가 작동..

과거의 머신러닝도 나름 똑똑했어요.그런데 왜 딥러닝은 세상을 뒤흔들 정도로 강력할까요?두 가지 핵심 이유가 있어요.이전 글: 신경망이란? — 뇌를 흉내 낸 구조 이유 1. 특징을 스스로 찾아낸다과거 머신러닝과 딥러닝의 가장 큰 차이는 "특징을 누가 찾느냐"에 있어요. 과거 머신러닝인간이 규칙을 직접 입력방식 전문가 고양이의 특징을 공식으로 만들어 직접 입력해 줘야 했어요.예시 "세모난 귀 2개, 수염 양쪽 3개씩, 세로로 찢어진 눈동자 = 고양이"한계 고양이가 옆을 돌아보거나 이불을 뒤집어쓰면? 고양이가 아니라고 판단해 버려요. (규칙의 한계를 벗어나지 못함) 딥러닝AI가 스스로 규칙을 발견방식 고양이 사진 10만 장을 그냥 던져줘요. 은닉층들이 스스로 패턴을 찾아내..

ChatGPT는 어떻게 사람처럼 대화할 수 있을까요?그 핵심에는 인간의 뇌를 모방한 신경망 구조가 있어요. 뇌 세포(뉴런)처럼 생긴 계산 장치를 수만 개 연결하면, 컴퓨터도 사람처럼 생각할 수 있지 않을까?01 입력층 (데이터 받기) → 02 은닉층 (특징 분석) → 03 출력층 (최종 결론)신경망은 이 세 종류의 층이 역할을 나눠 데이터를 처리해요. 층(Layer)의 역할01 · 입력층데이터를 처음 받아들이는 곳외부에서 들어오는 날것 그대로의 데이터를 받아들이는 첫 번째 단계예요.가공하거나 판단하지 않고, 그대로 다음 층으로 넘겨줘요. 02 · 은닉층AI의 진짜 실력이 결정되는 곳입력층과 출력층 사이에 겹겹이 쌓여 있는 층이에요.층이 깊을수록 더 복잡한 특징을 분석할 수 있어요.여기서 딥(..

정확도 하나만으론 부족할 때가 있어요.어떻게 틀렸느냐가 더 중요한 상황을 위한 두 가지 지표를 살펴볼게요.이전 글: AI의 성적표 - 평가란 무엇인가? 정확도가 믿을 수 없는 3가지 상황01데이터 불균형의 함정데이터 비율이 깨져 있으면 정확도가 의미가 없어요.암 환자 1명 + 정상인 99명인 집단에서 AI가 "모두 정상"이라고만 해도 정확도 99%하지만 정작 중요한 암 환자를 찾는 데는 완전히 실패한 모델이에요. 02오답의 '무게'를 구분 못함정확도는 모든 틀린 답을 똑같은 '오답'으로 처리해요.하지만 현실에서는 어떻게 틀렸느냐가 훨씬 중요해요.스팸을 정상으로 분류 → 스팸 메일이 들어옴 (불편함)암 환자를 정상으로 분류 → 치료를 못 받음 (생명 위험) 03100%라도 믿을 수 없을 때모델이 데이터..

AI를 만들었다면, 이 모델이 얼마나 잘 작동하는지 확인해야 해요.그 기준이 바로 평가예요. 대표 평가 지표정확도 (Accuracy)전체 데이터 중 AI가 정답을 맞힌 비율이에요.100문제 중 90개를 맞혔다면 정확도 90%. 그런데 왜 100%는 어려울까?100%가 이론적으로 좋아 보이지만, 현실에서는 달성하기 어렵고 때로는 오히려 위험해요.01데이터의 노이즈현실 데이터에는 항상 오타, 화질 저하 같은 예외 상황이 섞여 있어요.이 모든 예외까지 맞히려고 하면 오히려 규칙이 꼬여버려요. 02과적합(Overfitting)의 위험100점을 받기 위해 문제집을 통째로 암기해 버리면, 새로운 데이터를 만났을 때 대처하지 못하는 모델이 돼요.이전 글: 과적합 (Overfitting) vs 일반화 (Gener..

세상의 수많은 AI 기능도 결국 두 가지로 나뉘어요."이건 뭐야?" 아니면 "얼마나 될까?" 이 두 질문이 전부예요. 분류 vs 회귀맞추기분류 (Classification)질문 "이건 뭐야?" - 정해진 그룹 중 하나를 고르는 것결과 숫자가 아닌 이름(라벨)으로 딱 떨어져요. (예시: 스팸/정상, 개/고양이, 합격/불합격)원리 데이터 사이에 경계선을 긋는 것. 선의 이쪽은 A, 저쪽은 B비유 객관식 문제 - 정해진 보기 중 하나를 선택 예측하기회귀 (Regression)질문 "얼마나 될까?" - 연속적인 숫자를 예측하는 것결과 구체적인 숫자로 나와요. (예시: 25.4도, 1,200원, 35분)원리 데이터를 관통하는 추세선을 그려 다음 값을 맞히는 것비유 주관식..