핵심 비유
인공신경망은 '투표 시스템'과 같다. 퀴즈 정답을 맞힐 때 반 친구 여러 명이 동시에 힌트를 준다고 상상해보자. 각 친구마다 신뢰도(가중치)가 다르다 — 수학을 잘 아는 친구의 힌트는 크게, 잘 틀리는 친구의 힌트는 작게 반영한다. 모든 힌트를 가중치에 따라 합산한 결과가 기준점을 넘으면 '정답으로 선택', 안 넘으면 '패스' — 이것이 뉴런 하나의 동작이다. 딥러닝은 이런 투표 단계를 수십 층으로 쌓아, 점점 더 정교한 판단을 내리는 구조다.
핵심 포인트
- 뇌 속 뉴런은 '신호가 일정 수준을 넘으면 다음 뉴런에 전달, 아니면 전달 안 함'이라는 단순한 규칙으로 작동한다. 인공신경망은 이 규칙을 숫자로 흉내 낸 것이다.
- 퍼셉트론은 여러 입력값에 각각 '중요도(가중치)'를 곱해 더한 뒤, 그 합이 기준(임계값)을 넘으면 1, 못 넘으면 0을 출력한다 — 뇌의 뉴런 발화와 같은 원리다.
- 딥러닝에서 '딥(deep)'은 깊이를 뜻한다. 퍼셉트론을 여러 층(입력층→은닉층→출력층)으로 쌓을수록 더 복잡한 패턴을 인식할 수 있다.
- 가중치는 학습을 통해 자동으로 조정된다. 컴퓨터가 수백만 번 시도하며 오답일 때마다 가중치를 조금씩 바꾸는 과정이 바로 '훈련(training)'이다.
- 인공신경망은 사진 속 고양이를 알아보고, 번역을 하고, 목소리를 인식하는 등 일상 속 AI 서비스 대부분의 핵심 엔진이다.
교사 팁
수업 도입 3분 활동: 교사가 학생들에게 '고양이 vs 강아지' 사진 3장을 보여주고 "뇌가 어떻게 구분하지?"라고 질문한다. 학생들이 귀 모양, 코, 털 등 특징을 말하면 "그 특징마다 중요도가 다르지?"로 연결해 가중치 개념을 자연스럽게 도입한다. 이후 playground.tensorflow.org를 프로젝터에 띄워 뉴런 수를 1개→3개→5개로 늘리며 분류 경계선이 복잡해지는 모습을 실시간으로 보여주면, '층을 쌓을수록 더 영리해진다'는 딥러닝의 핵심 직관을 코딩 없이 전달할 수 있다.