내용 요약
인공지능은 결국 수학으로 움직이며, 그중에서도 “함수”가 AI를 학습시키고 통제하는 핵심 언어라는 이야기입니다. 입력(프롬프트)과 출력(문장·이미지)은 모두 벡터로 표현되고, 벡터 사이 관계는 행렬 계산으로 처리되며, 학습은 미분을 통해 최적화된다는 흐름으로 정리합니다. AI가 정답에 가까워지도록 만드는 대표적 기준으로 정답과의 차이를 제곱해 줄이는 손실함수를 소개합니다. 정답이 없는 창작 영역에서는 엔트로피 같은 함수로 “선명함”이나 “특징이 모이는 정도”를 점수화해 더 그럴듯한 결과를 유도한다고 설명합니다. 언어에서 단어 순서를 AI에게 알려주기 위해 사인·코사인 같은 삼각함수를 활용하는 포지셔널 인코딩을 예로 들며, 중고등학교에서 배운 함수가 실제 AI 핵심 기술에 쓰인다고 연결합니다. 강화학습에서는 보상 함수를 어떻게 설계하느냐가 에이전트 행동을 결정하며, 장기 목표를 당장 학습시키기 위해 점화식 형태로 미래 보상을 예측해 반영한다고 말합니다. 결국 AI가 사랑·희생·평화 같은 가치를 갖게 하려면 그것을 “함수/보상”으로 정의해 시스템에 넣고 바꾸기 어렵게 만드는 설계가 중요하다는 결론입니다.

핵심 주제
함수가 AI를 통제하는 언어
벡터·행렬·미분으로 이루어진 학습 구조
손실함수(MSE)로 정답에 수렴시키기
엔트로피와 소프트맥스 등 확률·평가 함수
포지셔널 인코딩(삼각함수)과 강화학습 보상 설계

[AI로 영상을 요약한 내용입니다]

언더스탠딩 문의: understanding.officialmail@gmail.com
글로 읽는 "언더스탠딩 텍스트". https://contents.premium.naver.com/backbriefing/news
언더스탠딩 멤버십 가입
https://www.youtube.com/channel/UCIUni4ScRp4mqPXsxy62L5w/join

YouTube에서 보기