[MIT AI Lecture: Deep Learning 1] 딥러닝의 기원과 핵심 원리: 고급 신경망 강의 개론 | AI 겨울을 끝낸 딥러닝

00:00 딥러닝의 서막: 지능의 파동과 미래 (MIT 6.S191 강의 소개)
00:03 사회 전반으로 확산되는 인공지능 기술의 영향력
00:54 딥러닝을 바라보는 두 가지 관점: 신경망과 미분 가능한 프로그래밍
01:41 퍼셉트론의 등장과 첫 번째 AI 겨울 (XOR 문제의 한계)
02:55 역전파 알고리즘의 등장과 두 번째 침체기 (데이터와 하드웨어의 부족)
04:24 2012년 딥러닝 르네상스: 빅데이터, 하드웨어(GPU), 알고리즘의 결합
05:28 2028년 미래 예측을 위한 세 가지 시나리오
06:19 딥러닝 학습의 엔진: 경사 하강법과 손실 함수 최적화
07:12 신경망의 기본 단위: 퍼셉트론의 구조와 원리
07:29 비선형성의 마법: 활성화 함수(Sigmoid에서 ReLU로의 변화)
08:08 깊이의 힘: 레이어 적층을 통한 데이터 변환
08:14 표현 학습: 계층적 학습을 통한 추상적 특징 추출
09:30 일반화와 이중 하강 현상: 모델 규모에 따른 성능 변화
11:00 지능의 규모와 스케일링 법칙 (뉴런 수와 성능의 상관관계)
11:46 실험 과학으로서의 딥러닝과 새로운 여정의 시작