신경망과 딥러닝

 기술의 발전에 따라 최근 들어 인공지능(Artificial Intelligence, AI)이 IT 업계의 큰 이슈입니다.

인공지능이란, 인간의 학습 능력, 추론 능력, 지각 능력, 그 외에 인공적으로 구현한 컴퓨터 프로그램 또는 이를 포함한 컴퓨터 시스템을 말합니다. 지능을 갖고 있는 컴퓨터 시스템이라고 볼 수 있겠네요.

 

 저는 2016년 알파고가 연이어 바둑 천재들을 꺾는 기사를 보고 '인공 지능'이라는 분야에 관심을 가지게 되었는데요. 전공자가 아닐 경우 대부분의 사람들은 저와 비슷하지 않을까 싶네요. 관심 있으신 분들을 위해 제가 찾아본 인공지능 적용 사례를 같이 공유드리니 한 번씩 들어가 보셔도 좋을 것 같습니다.

인공지능 적용 사례 19가지 - 쉽고 르게 인공지능 개념 잡기

 

 자 그럼 이제 본격적으로 딥러닝과 관련된 내용을 다루어 볼 건데요. 딥러닝을 왜 주목해야 할까요?

다음 그림과 같은 예시를 들어보겠습니다. 3장의 해바라기 사진입니다.

 사람은 이 3가지 그림을 보고 '해바라기'라고 인식을 할 것입니다. 무의식적으로 사물을 빠르게 구별하는 것이죠. 하지만 인공 지능의 경우라면? 여러 사진들 중에서 해바라기를 추출하는 프로그램이 필요할 것입니다. 사람에게는 당연한 사물이지만 PC나 기계가 이해할 수 있도록 구현하기란 쉽지 않죠.

 

 수집된 이미지에서 원하고자 하는 특징 또는 개별 객체를 판별하는 것을 우리는 '패턴 인식'이라고 하는데요. 패턴 인식은 인공지능의 한 분야로 기계적인 장치가 어떠한 대상을 인식하는 문제를 다루는 것을 말합니다. 따라서 위의 사진들을보고 기계가 해바라기를 인식하기 위해서는 '해바라기는 XXX한 특징이 있는 것'으로 학습을 시켜야합니다. 이렇게 학습을 시키고 다양한 사진들 중에서 정확하게 해바라기만 찾을 수 있을까요? 예시로 잎의 색깔이 노랗다고 학습하였지만 스케치만 되어있거나, 흑백 사진 등 우리가 해바라기의 특징을 잡은 것과 사진 속 해바라기를 판별할 수 있는 조건이 다를 경우 해바라기를 인식하는 것은 불가능이라고 볼 수 있습니다. 이를 개선하기 위해서 나온 개념이 '신경망' 또는 뉴럴 네트워크(neural network)입니다.

 

신경망 또는 뉴럴 네트워크(neural network)란, 생물학적인 신경 세포를 모방한 '유닛'을 축적해 네트워크를 구성하는 것을 말합니다. 이 네트워크를 통해 많은 학습 데이터를 넣고 스스로 학습하면서 이미지나 영상 속의 우리가 원하고자 하는 물체를 정확하게 인식할 수 있게 된 것이죠.

딥러닝(Deep Learning)이란, 여러 층을 가진 인공신경망(Artificial Neural Network, ANN)을 사용하여 머신러닝 학습을 수행하는 것으로 심층학습이라고도 부릅니다. 여기서 처음 접하시는 분들은 "머신러닝은 또 무엇이냐?" 물음을 가지실 수 도 있을 것 같은데요. 일단 위의 내용으로 보아 딥러닝은 머신러닝의 한 종류라고 할 수 있습니다.  

 

기존의 머신러닝에서는 학습하려는 데이터의 여러 특징 중에서 어떤 특징을 추출할지를 사람이 직접 분석하고 판단해야만 했습니다. 하지만 딥러닝에서는 기계가 자동으로 학습하려는 데이터에서 특징을 추출하여 학습하게 됩니다. 이처럼 딥러닝과 머신러닝의 가장 큰 차이점은 바로 기계의 자가 학습 여부로 볼 수 있습니다. 따라서 딥러닝이란 기계가 자동으로 대규모 데이터에서 중요한 패턴 및 규칙을 학습하고, 이를 토대로 의사결정이나 예측 등을 수행하는 기술로 정의 내릴 수 있습니다.

 

다음 장에서 인공지능, 머신러닝, 딥러닝과 관련된 내용을 좀 더 자세히 다루도록 하겠습니다.

 

 

 

 

 

※ 이 글이 도움이 되었다면 "🤍공감" 버튼을 클릭해주세요. 클릭 한번이 글 쓰는데 큰 힘이 됩니다.