Page 8 -

앞으로 이 책에서는 특별한 경우가 아니면 뉴런과 신경망이라고 하면 인공 뉴런과 인공 신경망을 1

의미합니다.
생체 신경망과 인공 신경망 역시 오랜 세월 동안 연구되고 있지만, 신경망의 연구는 아직도 모르 딥러닝 시작하기

는 것이 많은 미지의 분야입니다. 딥러닝이란 기술의 발견은 인공 신경망의 연구에 비약적인 성과
를 가져왔지만, 아직은 모르는 것이 많고 일부에서는 흑마술이라고 험담을 하고 있는 것 또한 사
실입니다. 그렇다고 하더라도 이 책에서는 가령 흑마술이라도 재미있고 재현성이 있는 것이라면
적극적으로 사용해 놀아보자는 자세로 최신의 딥러닝과 강화 학습의 기술을 배워나가야 한다고

생각합니다.
2장에서 신경망 프로그래밍을 자세히 다루므로 여기서는 일단 이렇구나 정도로만 기억해두세요.

앞에서 소개했듯이 일반적인 신경망에서는 그림 1-14와 같은 여러 층(레이어)에서 한 방향으로
정보가 전파되는 모델이 자주 사용됩니다.

그림 1-14 다층 퍼셉트론
은닉층
(hidden layers)

출력층
(output layer)

입력층
(input layer)

이러한 신경망을 퍼셉트론이라고 합니다.

신경망의 역사를 보면 컴퓨터가 보급되기 시작한 때부터 아이디어가 있었다고 합니다. 다만 당시
의 컴퓨터는 능력이 모자라 완벽한 지능을 시뮬레이션할 정도의 용량이나 계산 능력이 없었다는

것과 그 외 여러 가지 문제로 잘 학습할 수 없었습니다.
높은 수준의 학습을 실현하려면 층을 깊게 해야 한다는 것을 알고 있었지만, 애당초 층을 깊게 하
면 학습을 제대로 할 수 없다는 것이 문제였습니다. 이 문제 때문에 인공지능, 특히 신경망을 사용

한 인공지능은 오랫동안 쓸모 없다는 낙인이 찍혀 극히 제한적으로 이용되었습니다.

039

deeplearing_07.indd 39 2018-04-11 오전 8:12:09