본 논문은 기계 학습 모델의 내부 구조에 내재된 철학적 가정을 분석하고, 특히 신경망 표현 학습 연구에서 나타나는 암묵적인 존재론적 약속을 분류하기 위한 구조주의적 의사 결정 프레임워크를 개발한다. 지난 20년간의 표현 학습 및 해석 가능성 연구를 체계적으로 검토하여, 구조주의 과학철학에서 파생된 세 가지 계층적 기준(개체 제거, 구조의 근원, 존재 양식)을 통해 다섯 편의 주요 논문을 분석한다. 그 결과, 학습된 표현이 아키텍처, 데이터 사전, 학습 역학에 의해 형성되는 모델 의존적 구성으로 간주하는 구조적 관념론적 경향이 두드러짐을 확인했다. 제거적 및 비제거적 구조주의적 입장은 선택적으로 나타났지만, 구조적 실재론은 거의 발견되지 않았다. 본 연구는 해석 가능성, 출현, 기계 학습에 대한 인식론적 신뢰에 대한 논쟁에서 개념적 긴장을 명확히 하고, 과학철학과 기계 학습 간의 미래 융합 연구를 위한 기반을 제공한다.
