Deep Learning이란?
4차 산업을 맞아 빅데이터와 인공지능이라는 분야가 사람들 사이에서 화두가 되면서, Deep Learning이라는 기술이 붐을 일으키고 있다. 이 Deep Learning이 무엇인지 이 글에서 알아보고자 한다.
먼저 딥러닝은 머신러닝에 포함되고, 머신러닝은 인공지능에 포함된다. 인공지능이라는 분야에 머신러닝이라는 기계학습 개념이 있는 것이고, 머신러닝에서 좀 더 고도화 된 기술이 딥러닝이다.
인공지능
인공지능은 1950년대 초기 컴퓨터 과학 분야에서 '컴퓨터가 생각 할 수 있는가?'라는 질문을 하면서 시작되었다. 그리고 그 연구는 보통의 사람이 수행하는 지능적인 작업을 자동화하기 위한 활동으로 이어졌다. 많은 전문가는 프로그래머들이 명시적인 규칙을 많이 만들어, 지식을 다루면 인간 수준의 인공지능을 만들 수 있다고 믿었다. 이런 접근 방법을 심볼릭 AI라고 하며 1950~1980년대까지 지배적인 패러다임이었다. 하지만 심볼릭 AI는 논리적인 문제를 푸는 데 적합하지만 이미지 분류나 음성 인식같은 더 복잡한 문제는 해결하지 못했다. 이런 심볼릭 AI를 대체하기 위한 방법이 바로 머신러닝(Machine Learning)이다.
머신러닝
머신러닝은 "우리가 어떤 것을 작동시키기 위해 어떻게 명령할지 알 수 있는 것' 이상을 컴퓨터가 처리하는 것이 가능한가? 그리고 특정 작업을 수행하는 법을 스스로 학습할 수 있을지에 대한 질문에서부터 시작했다.
기존의 프로그래밍이 규칙과 데이터를 입력해서 원하는 해답을 구하는 과정이었다면, 머신 러닝은 해답 데이터를 넣으면 기계가 학습을 통해 규칙을 발견하는 과정이다. 그리고 이 규칙을 또 다른 데이터에 적용하여 계속 학습하여 새로운 아이디어를 만들 수 있다. 머신 러닝은 원래부터 있던 기술이지만 1990년대 들어와서야 각광을 받기 시작했다. 왜냐하면 예전에는 고성능 하드웨어(컴퓨팅 파워)와 데이터들이 많지 않았기 때문이다. 하지만 인터넷이 발달되고, 사람들이 인터넷에 정보를 많이 저장함으로서 빅데이터가 형성되었다. 이런 데이터셋들이 머신 러닝을 화두에 오르게 되었다. 하지만 머신 러닝 중에서 딥러닝이라는 기술이 성능이 훨씬 높다고 증명되었고, 딥러닝이 탄생하게 되었다.
머신러닝 vs 딥러닝
머신러닝 안에 딥러닝이라는 개념이 있다는 걸 알지만, 사람들은 차이점을 원한다. 차이점은 무엇일까? 그 답은 간단하다. Deep = 단순히 신경망과 층이 많아서 컴퓨터가 학습하는 과정이 더 복잡하다는 것이다. 즉 머신러닝은 학습 데이터의 특성을 기반으로 사람이 모델을 사전에 정의한다. 하지만 딥러닝은 데이터로부터 특성과 학습 모델을 컴퓨터가 스스로 판단하는 과정이다.
신경망
딥러닝에서 신경망을 쌓아서 처리한다고 하였는데, 신경망은 무엇일까? 예전에 딥러닝이라는 기술을 생각하기 전에 과학자들은 어떻게하면 기계의 학습 성능을 더 높일 수 있을까라고 고민하게 되었다. 그리고 생각한 것이 바로 사람의 뇌 구조이다. 사람의 뇌에는 뉴런이 있고, 신경세포들을 통해 신경이 전송된다. 딥러닝도 이런 뉴런의 구조를 본따, 여러 층을 구성하게 되고 그 안에서 수학적인 처리를 통해 결과를 도출하여 성능을 향상시킨다.
뉴런 : 신경계를 구성하는 세포 -> 전기적인 신호로 서로 통신하며 정보 저장
딥러닝의 구조
딥러닝은 기본적으로 어떠한 입력값이 주어진다. 그리고 신경망을 통한 기계학습이 이루어진다. 딥러닝에서 신경망은 입력층과 출력층, 그리고 그 사이의 은닉층이라는 것으로 구성되어 있다. 은닉층은 다층으로 구성될 수 있으며 입력신호로부터 나온 새로운 출력을 사용한다.
각 뉴런에는 입력신호를 가공하여 출력을 도출하기 위해 활성화 함수가 역할을 하는데, 활성화 함수에는 계단 함수, 시그모이드 함수, Rectfired linear unit함수 등이 있다. 딥러닝도 머신러닝과 마찬가지로 y = wx + b의 구조에서 w라는 가중치와 b라는 편향값을 찾고, 조정함으로서 성능을 높이는 방향이다. 그리고 여기서 퍼셉트론이라는 학습 방법이 사용되는데 퍼셉트론은 다음편에 다시 알아보고자 한다.
최근댓글