1. CNN: “공간을 읽는 예리한 눈” (Spatial Data)
인공지능도 우리 사람처럼 보고(시각) 혹은 기억하는(시간/순서) 능력이 필요합니다. 어떤 데이터를 다루느냐에 따라 AI는 서로 다른 설계 방식을 선택합니다.
**CNN(합성곱 신경망)**은 주로 이미지처럼 공간적인 정보를 처리할 때 사용합니다.
- 어떻게 일하나요?: 마치 돋보기를 들고 사진 구석구석을 훑으며 선, 질감, 모양 같은 특징을 찾아내는 것과 같습니다.
- 특징:
- 입력 데이터의 크기가 딱 정해져 있는 경우(Fixed-size tensors)가 많습니다.
- 데이터의 여러 부분을 한꺼번에 처리할 수 있어 GPU(그래픽 카드)를 쓰면 매우 빠릅니다.
- 어디에 쓰이나요?:
- 사진 속 얼굴이나 물체를 찾는 기능.
- 자율주행 자동차의 눈.
- 병원에서 엑스레이나 MRI 사진을 분석하는 의료 영상 처리.
2. RNN: “흐름을 기억하는 박사” (Sequential/Temporal Data)
**RNN(순환 신경망)**은 글자나 목소리처럼 순서나 시간의 흐름이 중요한 데이터를 처리할 때 사용합니다.
- 어떻게 일하나요?: 앞에 나온 내용을 잊지 않고 기억했다가 다음 내용을 이해하는 데 사용합니다. 마치 끝말잇기를 할 때 앞 단어를 기억해야 하는 것과 같습니다.
- 특징:
- 데이터의 길이가 제각각이어도(Variable-length sequences) 잘 처리할 수 있습니다.
- 정보가 순서대로 하나씩 처리되어야 하므로 CNN보다 학습 속도가 다소 느릴 수 있습니다.
- 어디에 쓰이나요?:
- 영어를 한국어로 바꿔주는 번역기.
- 사람의 목소리를 알아듣는 비서 기능.
- 다음에 올 주식 가격이나 날씨를 예측하는 일.
📊 한눈에 비교하는 CNN vs RNN (Mindmapia 정리)
복잡한 정보를 구조화하여 보여드리는 Mindmapia의 비교 지도입니다.
| 비교 항목 | CNN (시각/공간) | RNN (기억/순서) |
| 최고의 데이터 | 이미지, 2D/3D 지도 데이터 | 텍스트, 목소리, 시계열 데이터 |
| 핵심 기술 | 필터로 특징 뽑기 (Convolution) | 시간 순서대로 정보 순환 (Recurrence) |
| 시간/순서 고려 | 아니요 (공간적 특징만 봅니다) | 네 (과거의 입력을 기억합니다) |
| 입력 크기 | 보통 고정된 크기 | 가변적인 길이 가능 |
| 처리 속도 | 병렬 처리로 매우 빠름 | 순차 처리로 상대적으로 느림 |