머신 러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 한다.
이 중에서 학습하고 예측을 하는 연산 과정에서 머신러닝과 딥러닝이 구분이 된다.
딥러닝에서는, 데이터를 학습하는 방식에서 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습한다.
이를 달성하기 위해 딥러닝은 인공 신경망이라는 계층화된 알고리즘 구조를 사용한다.
인공 신경망(ANN)의 설계는 인간 두뇌의 생물학적 신경망에서 영감을 얻어,
표준 머신 러닝 모델보다 훨씬 더 뛰어난 학습 프로세스를 제공한다.
지능적인 기계를 만드는 법에 대한 영감을 얻으려면 뇌 구조를 살펴보는 것이 합리적일 것이다.
이러한 생각이 ANN을 촉발시킨 근원이다.
ANN은 뇌에 있는 생물학적 뉴런의 네트워크에서 영감을 받은 머신러닝 모델이다.
그러나 새를 보고 비행기에 대한 영감을 얻었다 하더라도 비행기 날개를 새처럼 펄럭거릴 필요는 없다.
ANN도 결국 뒤로갈수록 생물학적 뉴런과는 멀어지고 있다.