# 인공지능 기술 - 교사 학습의 이해

본 포스팅에서 설명할 내용은 인공지능에서 가장 많이 사용되는 '교사 학습'에 대한 내용이다.

Source: https://www.iplexlaw.co.kr/forum/view/846552

HOME / NEWS & INSIGHTS NEWS & INSIGHTS 인공지능 기술 - 교사 학습의 이해 본 포스팅에서 설명할 내용은 인공지능에서 가장 많이 사용되는 '교사 학습'에 대한 내용이다. 인공지능 2023.05.18 게시 IPLEX 4분 읽기 본 포스팅에서 설명할 내용은 인공지능에서 가장 많이 사용되는 ' 교사 학습 '에 대한 내용이다. 생성 초기 단계의 인공지능 알고리즘은 신생아의 뇌와 같이 완전 백지상태라고 이해하면 된다. 그렇다고 실제로 백지상태는 아니다. 인공지능을 이용해서 어떠한 작업을 수행시키려면, 인공지능을 사람이 직접 가르쳐야 한다. 이렇게 인공지능을 가르치는 것이 교사 학습이다. 교사 학습에 대해서 설명할 때 가장 많이 사용되는 예시인 개와 고양이를 구분하는 것을 이용해서 설명해보겠다. 신생아에게 개와 고양이를 처음 보여주면, 신생아는 개와 고양이를 구분할 수 없다 . 개와 고양이를 본 경험이 없기 때문이다. 즉, 어떻게 생긴 동물이 개이고 어떻게 생긴 동물이 고양이인지 모르는 것이다. 신생아가 개와 고양이를 구분할 수 있도록 하려면 어떻게 해야 할까? 부모가 개를 보여주면서 "이 동물이 개야.", 고양이를 보여주면서 "이 동물이 고양이야." 이런 식으로 가르치게 된다 . 이렇게 학습을 수차례 반복하다 보면, 신생아는 어느 순간부터 개와 고양이의 차이를 자기도 모르는 사이 인지하게 된다 . 이런 학습 과정이 완료되면 신생아는 개를 볼 때 "개"라고 대답할 수 있게 되고, 고양이를 볼 때 "고양이"라고 대답할 수 있게 되는 것이다. 위의 예시와 같이 인공지능도 신생아와 비슷하다고 생각하면 된다. 초기 상태의 인공지능은 어떤 이미지가 개 이미지이고 어떤 이미지가 고양이 이미지인지 구분할 수 없다 . 인공지능이 학습을 받은 바가 없기 때문이다. 따라서, 인공 지능을 학습시키기 위해서는 사람이 직접 개가 포함된 이미지와 고양이가 포함된 이미지를 많이 준비해야 한다. 더불어 사람이 직접 개가 포함된 이미지에는 '이 이미지는 개 이미지임'이라는 태그를 달고, 고양이가 포함된 이미지에는 '이 이미지는 고양이 이미지임'이라는 태그를 달아줘야 한다 . 이렇게 태그가 달린 수많은 이미지를 인공지능에 입력을 하게 되면, 인공지능은 이미지와 태그를 같이 확인하면서 개 이미지는 어떠한 특성을 갖고 있고, 고양이 이미지는 어떠한 특성을 갖고 있는지를 자동으로 인식하게 된다 . 이렇게 학습이 완료된 인공지능에 개 이미지가 입력되면, 학습할 때 사용했던 개 이미지랑 유사하다고 판단해서 개라는 출력값을 출력하게 되고, 고양이 이미지가 입력되면 학습할 때 사용했던 고양이 이미지랑 유사하다고 판단해서 고양이라는 출력값을 출력하게 되는 것이다. 위에 설명드린 각각의 과정을 좀 더 전문적인 용어를 쓰면서 설명해보겠다. Annotation (해당 내용은 설명의 편의를 위해 각색한 것으로 실제와 약간 차이가 있을 수 있다) 사람이 직접 개가 포함된 이미지에 '이 이미지는 개 이미지임'이라는 태그하고, 고양이가 포함된 이미지에 '이 이미지는 고양이 이미지임'이라는 태그를 하는 것을 라벨링 이라고 한다. 실제로는 태그를 달아주는 것은 아니고, 이미지에 0, 1과 같은 숫자를 라벨링 한다. 즉, 0은 '이 이미지는 개 이미지임'을 의미하게 되고, 1은 '이 이미지는 고양이 이미지임'을 의미하는 것이다. 모든 데이터에 라벨링을 수행하는 것을 Annotation 이라고 지칭한다 . Training (해당 내용은 설명의 편의를 위해 각색한 것으로 실제와 약간 차이가 있을 수 있다) 학습( Training ) 과정을 좀 더 구체적으로 설명하면 학습을 수행하는 과정에서는 개 이미지나 고양이 이미지를 입력하고 인공지능이 어떤 값을 출력하는지 확인을 하게 된다. 만약 개 이미지를 넣었는데 숫자 0.8(고양이에 가깝다는 값)이 출력되게 되면, 0과 0.8의 차이 값이 있으니 그 차이 값을 역으로 인공지능에 입력(역전파)하게 된다. 이러한 역전파를 수행하게 되면 개 이미지가 입력되면 0이라는 값이 출력될 수 있도록 인공지능 안에 있는 각각의 파라미터 값들(가중치 값)이 업데이트 된다. 이런 과정을 수차례 반복하게 되면 나중에는 개 이미지가 들어왔을 때 최종적으로 0이라는 출력값이 출력될 수 있도록 인공지능 안에 있는 파라미터들이 수정된다. Inference (해당 내용은 설명의 편의를 위해 각색한 것으로 실제와 약간 차이가 있을 수 있다) 인공지능이 학습이 완료된 경우, 인공지능에 새로운 이미지를 넣고 개인지 고양이인지 구분하는 것을 inference 라고 한다. 즉, 새로운 이미지를 학습이 완료된 인공지능에 입력하게 되면 인공지능은 이미지가 개일 확률과 고양이일 확률을 계산해서 확률이 더 높은 것을 최종 출력으로 제공하게 된다. 이 글은 표시된 게시일을 기준으로 작성된 자료입니다. 개별 사안에 대한 검토는 상담을 통해 안내합니다. 관련 업무 상담 ↗ 전체 글 보기 TALK TO IPLEX 우리 기업에 맞는 IP 전략이 필요하다면 기술과 사업의 상황에 맞춰 필요한 업무를 함께 살펴봅니다. ↗ 상담 문의 최근 글 2hrs Academy와 MOU 체결 [아이피렉스 특허법률사무소] ↗ 이전 글 인공지능 기반 의료 영상 분석 루닛 특허 설명 ↗ 함께 읽을 인사이트 인공지능 2026.10.01 AI가 잊는 방식까지 세밀하게, FiX 김용덕 변리사가 FiX의 특징별 망각 게이트, 수치 안정성과 캐시 설계, 실험 결과 및 적용 한계를 분석합니다. ↗ 본문 읽기 인공지능 2026.09.30 층의 정보를 다르게 읽는 MHAR 김용덕 변리사가 MHAR의 깊이 정보 선택 구조, 논문 실험 결과와 구현 비용을 살펴보고 기술적 구성과 효과를 분석합니다. ↗ 본문 읽기 인공지능 2026.09.28 [기고 소식] 클로드 Computer Use 특허 분석, AI는 어떻게 컴퓨터 사용법을 배울까? 김용덕 대표변리사의 클로드 Computer Use·AI 에이전트 특허 분석 칼럼이 인공지능신문(AI Times)에 게재되었습니다. ↗ 본문 읽기

- https://www.iplexlaw.co.kr/
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4/category/ai
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/forum/view/846854
- https://www.iplexlaw.co.kr/forum/view/846162
- https://www.iplexlaw.co.kr/ko/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ko/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ko/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ko/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/forum/view/1546549
- https://www.iplexlaw.co.kr/forum/view/1546549