가장 왼쪽에 있는 층이 입력층입니다. 바로 데이터를 입력받는 층입니다. 데이터(남자 혹은 여자의 사진)를 보고 남자와 여자로 구분할 수 있는 인공지능이 있다고 예를 들어봅시다. 이때 인공지능에게 데이터를 넣는 곳이 바로 입력층입니다.

가장 오른쪽에 있는 층은 출력층입니다. 이 출력층에 어떠한 값이 전달되었냐에 따라 인공지능의 예측 값이 결정됩니다. 입력된 데이터를 남자와 여자로 구분하는 인공지능은 출력층이 남자, 여자 이렇게 두 개로 구성될 것입니다.

다음으로 가운데 있는 층이 은닉층입니다. 이 은닉층에서는 입력층에서 들어온 데이터가 여러 신호로 바뀌어서 출력층까지 전달됩니다. 마치 우리 뇌의 뉴런이 신호를 전달하듯이 이동하는 것이죠. 이때 연결된 여러 뉴런을 지날 때마다 신호 세기가 변경됩니다(이 내용은 뒤에서 다시 설명합니다).

이때 은닉층이 1개만 있기보다 여러 층이 있다면 더 정확하게 출력층으로 신호를 전달할 수 있습니다. 이러한 신경망 모델 중에는 층이 1개인 모델도 있지만 여러 층을 쌓아서 만든 모델도 있습니다.

이와 같이 레이어가 한 층으로만 구성된 것이 아니라 여러 층, 다시 말해 깊은 층으로 구성된 인공 신경망을 심층 신경망(DNN, Deep Neural Network)이라고 부릅니다. 이 심층 신경망이 학습하는 과정을 바로 딥러닝(Deep Learning)이라고 하죠. 지금부터 딥러닝의 기초가 되는 인공 신경망의 구성 원리를 살펴보겠습니다.