AI를 떠받치는 수학 — 신경망 아래 무엇이 있는가

ChatGPT가 작동하는 원리를 이해하려면 어떤 수학이 필요한가? 벡터·행렬·미적분·확률·최적화 — 4개의 기둥이 받치는 현대 머신러닝의 기초.

약 30분·6개 노드

진행0 / 6 (0%)

지도에서 본 경로의 흐름

카드를 클릭하면 지도가 해당 위치로 이동합니다.

STEP 1 · 개념위치 정보 없음

단어·이미지·가중치를 숫자 배열로 표현하면 한 층의 계산이 행렬곱으로 보인다. 작은 2×2 변환을 손으로 해 본 뒤 거대한 신경망으로 확대한다.

↓다음 단계

STEP 2 · 개념위치 정보 없음

출력 오차가 각 가중치에 얼마나 민감한지 미분으로 추적한다. 역전파는 이 변화율을 연쇄법칙으로 효율적으로 나누어 계산한다.

↓다음 단계

STEP 3 · 개념위치 정보 없음

모델의 다음 토큰 점수는 확률분포로 바뀐다. 가장 큰 값만 고르는 대신 여러 후보의 상대적 가능성을 읽는 법을 익힌다.

↓다음 단계

STEP 4 · 개념위치 정보 없음

훈련 데이터에서 본 패턴이 새 데이터에도 이어지는지 묻는다. 표본 편향·과적합·불확실성을 구분해야 숫자가 근거가 된다.

↓다음 단계

STEP 5 · 개념위치 정보 없음

손실을 낮추는 방향으로 매개변수를 반복해 움직인다. 경사하강법은 유용한 탐색법이지만 전역 최적해나 공정성을 자동으로 보장하지 않는다.

↓다음 단계

STEP 6 · 개념1948벨 연구소· 발견

1948년 섀넌은 불확실성과 부호화 한계를 수량화했다. 교차 엔트로피는 여러 학습 손실 가운데 하나이며, AI 전체를 설명하는 단일 목적함수는 아니다.

중급 → 고급

고급 단계에서는 무엇이 달라질까요?

비슷해 보이는 현상을 하나의 구조로 묶고, 조건이 빠지면 왜 주장이 무너지는지 살핍니다.

다음 도착점 · 조건까지 말할 수 있는 설명