Interpretability란?
블랙박스 신경망의 내부 표현과 의사결정 과정을 해석 가능하게 만드는 연구다.
접근
- Mechanistic — 뉴런·회로 단위 역공학 (Anthropic)
- SHAP, LIME — 지역적 중요도 설명
- Attention 시각화
- Probing — 내부 표현 분석
Interpretability란?
정의
딥러닝 모델 내부 동작을 사람이 이해할 수 있게 분석하는 연구 분야.
다른 표현해석가능성
🔗 함께 보면 좋은 용어
AI 전체 →Accuracy
전체 예측 중 맞춘 비율. 클래스 불균형 시 오해를 유발할 수 있음.
Activation Function
신경망 뉴런의 비선형 변환. ReLU·GELU·Sigmoid·Tanh.
Adam
적응형 학습률 + 모멘텀을 결합한 최적화 알고리즘. 딥러닝 실무의 표준 선택.
AGI
Artificial General Intelligence
인간 수준의 범용 지능을 가진 AI. 특정 태스크가 아닌 모든 인지 작업을 수행 가능한 가상적 목표.
AI Agent
AI 에이전트
LLM이 도구 호출·작업 분해·상태 유지를 통해 자율적으로 목표를 수행하는 시스템. 2026년 핫 키워드.
AI Alignment
AI 시스템이 인간 의도·가치에 부합하게 동작하도록 만드는 연구 분야.