AI의 수학적 뿌리 — 부울에서 트랜스포머까지

1854년 부울의 논리 대수에서, 1958년 퍼셉트론, 1986년 역전파, 2017년 트랜스포머, 오늘의 GPT까지 — 기계가 학습한다는 꿈을 가능하게 한 170년의 수학.

약 25분·6개 노드

진행0 / 6 (0%)

지도에서 본 경로의 흐름

카드를 클릭하면 지도가 해당 위치로 이동합니다.

STEP 1 · 수학자1854코크· 출판

1854년 《사고의 법칙》에서 명제 관계를 대수적으로 다뤘다. 현대 AI로 곧장 이어진 단선이 아니라, 회로·확률·통계·계산이 겹치는 긴 출발점이다.

↓같은 해

STEP 2 · 개념1854코크· 출판

AND·OR·NOT을 표로 계산해 같은 논리식을 더 단순한 형태로 바꾼다. 0과 1은 수량보다 두 상태를 나타내며 디지털 회로의 문법으로 이어졌다.

↓94년 후

STEP 3 · 개념1948벨 연구소· 발견

1948년 섀넌은 메시지의 불확실성과 압축·전송 한계를 수량화했다. 교차 엔트로피는 일부 학습 손실과 연결되지만 AI 전체의 단일 목적함수는 아니다.

↓41년 후

STEP 4 · 개념~1989위치 정보 없음

1989년 전후의 결과들은 적절한 활성함수와 충분한 폭 아래 콤팩트 영역의 연속함수를 원하는 오차 안에서 근사할 수 있음을 보였다. 필요한 크기나 훈련 성공까지 보장하지 않는다.

↓다음 단계

STEP 5 · 개념위치 정보 없음

기울기를 따라 손실을 낮추되 학습률·초기값·정규화에 따라 경로가 달라진다. 비볼록 문제에서 전역 최적·일반화·공정성을 자동으로 보장하지 않는다.

↓다음 단계

STEP 6 · 강2017링컨· 여정시작

1958년 퍼셉트론, 1980년대 역전파, 2012년 AlexNet, 2017년 Transformer를 잇는 강을 펼친다. 수학뿐 아니라 데이터·GPU·소프트웨어·연구 공동체가 함께 만든 변화다.

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