김상욱 「인간의 뇌와 인공지능」
인간의 뇌가 학습하는 원리를 신경 세포와 시냅스의 작동에서 설명하고, 이를 본뜬 인공 신경망이 가중치를 조절하며 학습하는 과정을 비교해 이해하는 글입니다.
교과서 제시문
교재에 제시된 문단의 핵심 문장과 설명 순서를 따라 정리했습니다. 신경계의 학습 원리와 인공 신경망의 학습 원리를 대응시키며 읽는 것이 핵심입니다.
뇌는 신경 세포의 집합이며 신경 세포는 신호를 전달한다. 동물은 움직이는 생물이므로 원하는 대로 움직이기 위해서는 움직이라는 명령을 내리고 이를 전달하는 체계가 필요하다. 이런 점에서 신경 세포를 통한 신호 전달은 동물의 역사만큼 오래되었다고 볼 수 있다.
신경 세포는 비유하자면 줄기 달린 양파처럼 볼 수 있다. 양파의 뿌리에 해당하는 부분은 가지 돌기로, 이곳으로 신호가 입력된다. 가느다란 줄기와 같은 부분은 축삭 돌기이며, 신호는 이를 따라 다음 신경 세포 쪽으로 전달된다. 여러 신경 세포가 서로 연결되면서 신경계의 정보 전달망이 이루어진다.
신경 세포와 신경 세포 사이의 연결 부위가 시냅스이다. 시냅스는 단순히 신호를 전달하기만 하는 고정된 통로가 아니라, 조건에 따라 신호 전달의 강도가 달라질 수 있는 유연한 연결이다. 자주 사용하는 시냅스 연결은 강화되고 그렇지 않은 연결은 약화될 수 있다. 이러한 결합 강도의 변화가 인간과 동물이 경험을 통해 학습하는 데 중요한 역할을 한다.
인공지능은 인간 신경계의 이러한 특성을 컴퓨터 프로그램으로 구현한 인공 신경망을 이용할 수 있다. 인공 신경망은 입력을 받는 입력층, 계산을 수행하는 하나 이상의 숨겨진 층, 결과를 내보내는 출력층으로 구성된다. 층 사이의 연결에는 각각 신호의 영향력을 정하는 가중치가 부여된다.
각 신경 세포에 들어오는 입력값에는 해당 연결의 가중치가 곱해지고, 이 값들이 합쳐져 다음 계산의 기준이 된다. 계산된 값은 미리 정해 둔 임곗값과 비교되어 출력 여부가 결정된다. 따라서 같은 입력이라도 가중치가 어떻게 정해져 있느냐에 따라 출력 결과가 달라질 수 있다.
인공지능의 학습은 원하는 출력값에 가까운 결과를 얻도록 가중치를 계속 조절하는 과정으로 설명할 수 있다. 인간이 많은 문제를 풀고 답을 확인하면서 뇌 속 시냅스의 결합 강도를 조정해 가듯, 인공지능도 반복적인 학습을 통해 적절한 가중치를 찾아간다.
인간과의 바둑 대결로 큰 주목을 받았던 인공지능 역시 본질적으로 이러한 인공 신경망의 원리와 크게 다르지 않다. 신경망의 연결 구조를 실제 인간의 뇌와 더 비슷하게 만들고 여러 프로그램 기법을 더해 발전시킨 것이다. 즉 인공지능은 인간의 뇌가 학습하는 원리를 모방하는 방향으로 개발되고 있다.
핵심 내용 정리
인간의 뇌는 수많은 가 연결된 체계이며, 신경 세포 사이의 연결 부위인 는 신호 전달의 강도를 바꿀 수 있다. 자주 사용되는 연결은 강화되고 그렇지 않은 연결은 약화될 수 있는데, 이러한 변화가 인간의 과 관련된다. 인공지능은 이 원리를 본떠 을 구성한다. 인공 신경망에서는 입력 신호가 입력층과 숨겨진 층을 거쳐 출력층으로 전달되며 각 연결에는 가 부여된다. 입력값에 가중치를 적용한 계산 결과는 과 비교되고, 원하는 결과를 얻도록 가중치를 반복적으로 조절하는 과정이 인공지능의 학습이다. 따라서 이 글은 인간의 뇌와 인공지능의 학습 원리가 서로 완전히 다른 것이 아니라, 인공지능이 인간의 를 모방하여 개발되고 있음을 설명한다.
읽으며 확인: 네모를 누르면 핵심어가 나타납니다.
제재 개관
설명문
분석적 · 객관적 · 과학적
인간의 뇌와 인공지능
인간의 뇌를 모방한 인공지능의 학습 원리
인간의 신경계에서 학습이 이루어지는 과정을 먼저 설명한 뒤 인공 신경망의 학습 원리와 대응시키며, 비유와 구체적 사례를 활용해 어려운 개념을 이해하기 쉽게 설명한다.
글의 전개 구조
뇌와 신경 세포의 기능
시냅스와 인간의 학습
인공 신경망과 가중치
뇌를 모방해 학습하는 인공지능
신경계와 인공 신경망의 대응 관계
| 인간의 신경계 | 인공 신경망 | 시험 포인트 |
|---|---|---|
| 신경 세포들이 서로 연결됨 | 여러 층의 인공 신경 세포가 연결됨 | 인공지능이 인간의 신경계 구조를 모방함. |
| 시냅스를 통해 신호가 전달됨 | 층 사이 연결을 따라 입력 신호가 전달됨 | 두 체계 모두 연결망을 통해 신호가 이동함. |
| 시냅스의 결합 강도가 달라짐 | 각 연결에 가중치가 부여되고 조절됨 | 시냅스 결합 강도 ↔ 가중치의 대응이 핵심. |
| 경험과 반복을 통해 연결이 강화·약화됨 | 원하는 출력값을 얻도록 가중치를 반복 조정함 | 학습은 고정된 값의 사용이 아니라 연결 강도의 조정 과정임. |
인공 신경망의 계산 과정
여기서 임곗값은 출력 여부를 판단하기 위해 미리 정한 기준값이다. 임곗값 자체가 입력값이나 가중치의 합으로 새로 만들어지는 것이 아니다. 반면 가중치는 각 입력 신호가 결과에 어느 정도 영향을 미칠지를 정하는 값으로, 학습 과정에서 원하는 결과가 나오도록 조절된다.
‘임곗값’과 ‘가중치’를 혼동하는 선택지가 자주 만들어질 수 있다. 임곗값은 판단 기준, 가중치는 연결의 영향력이다.
핵심 개념 해설
1. 시냅스의 ‘유연성’
시냅스가 유연하다는 것은 연결이 늘 똑같은 세기로 작동하는 것이 아니라 사용과 경험에 따라 신호 전달의 강도가 달라질 수 있음을 뜻한다. 자주 사용하는 연결은 강화되고 그렇지 않은 연결은 약화될 수 있기 때문에 학습이 가능해진다.
2. 자전거의 예시
반복해서 자전거를 타는 경험을 통해 특정 동작과 관련된 신경 연결이 강화되는 식으로 학습을 이해할 수 있다. 글에서는 이런 일상적 예시를 활용해 추상적인 시냅스 결합 강도의 변화를 쉽게 설명한다.
3. 바둑 인공지능의 예시
인간과 바둑 대결을 한 인공지능을 언급한 목적은 ‘특별한 인공지능은 전혀 다른 원리로 작동한다’고 말하려는 것이 아니다. 오히려 복잡하고 뛰어난 인공지능도 기본적으로는 인공 신경망과 가중치 조절이라는 같은 원리를 발전시켜 만든 것임을 보여 주기 위해서이다.
앞 글과 연결하여 읽기
| 글 | 핵심 초점 | 인공지능을 바라보는 관점 |
|---|---|---|
| 최재천 「인공지능을 어떻게 봐야 할까」 | 지능과 지성의 차이, 인간의 반성적 능력 | 인공지능이 인간의 집단 지능을 흉내 낼 수 있지만 인간의 지성과 감성을 그대로 지닌다고 보기는 어려움. |
| 김상욱 「인간의 뇌와 인공지능」 | 신경계와 인공 신경망의 학습 원리 | 인공지능은 인간의 뇌와 신경계가 학습하는 원리를 모방하여 개발되고 있음. |
두 글은 모두 인간과 인공지능을 비교하지만, 첫 글은 능력과 본질의 차이에, 이 글은 학습 구조와 작동 원리의 유사성에 초점을 둡니다.
출제 포인트 20
- 이 글의 갈래는 설명문이다.
- 성격은 분석적·객관적·과학적이다.
- 주제는 인간의 뇌를 모방한 인공지능의 학습 원리이다.
- 뇌는 신경 세포들의 연결망으로 설명된다.
- 가지 돌기는 신호가 입력되는 부분이다.
- 축삭 돌기는 신호 전달에 관여한다.
- 시냅스는 신경 세포와 신경 세포 사이의 연결 부위이다.
- 시냅스의 결합 강도는 고정되어 있지 않다.
- 자주 사용하는 시냅스 연결은 강화될 수 있다.
- 인간의 학습은 시냅스 결합 강도의 변화와 관련된다.
- 인공 신경망은 인간 신경계의 특성을 모방한 구조이다.
- 인공 신경망은 입력층·숨겨진 층·출력층으로 이루어진다.
- 숨겨진 층의 신경 세포들도 계산을 수행한다.
- 가중치는 연결된 입력 신호의 영향력을 결정한다.
- 임곗값은 출력 여부를 판단하는 기준이다.
- 임곗값과 가중치는 같은 개념이 아니다.
- 인공지능은 원하는 출력값을 얻도록 가중치를 조절하며 학습한다.
- 인간의 시냅스 결합 강도와 인공 신경망의 가중치는 서로 대응된다.
- 바둑 인공지능 사례는 고도화된 인공지능도 기본 학습 원리를 공유함을 보여 준다.
- 앞 글이 인간 지성과 인공지능의 차이를 강조한다면, 이 글은 인간 뇌와 인공지능의 학습 원리의 유사성에 초점을 둔다.
단답형 10문항
단답형 정답 확인
1. 시냅스 / 2. 가지 돌기 / 3. 강화된다(결합 강도가 커진다) / 4. 인공 신경망 / 5. 입력층-숨겨진 층-출력층 / 6. 가중치 / 7. 임곗값 / 8. 가중치 / 9. 가중치 / 10. 인공지능은 인간의 뇌와 신경계가 학습하는 원리를 모방하여 가중치를 조절하는 방식으로 학습한다.