딥러닝! 그 개념을 이해하자! 그리고 인간의 가치 그리고 딥러닝을 어떻게 활용할지에 대해서 고민할때 인것 같아요!

지난번 포스팅까지 머신러닝의 개념에 대해서 알아본 듯합니다.

그래서 오늘은 인공지능(AI)-  머신러닝 - 딥러닝의 관계를 알아보고 위해서

딥러닝이 무엇인가에 대해서 한번 알아보고자 포스팅을 할게요.

 

아직까지도 저도 인공지능 - 머신러닝 - 딥러닝의 관계를 이해하기 위해서 열심히 찾아보고

공부하고 있지만 정말 어려운 분야이기는 하더라고요.

그래도 하나씩 알아가다 보면 언제 가는 정복할 수 있지 않을까 생각합니다.

그래서 오늘은 위의 다이어그램에서 딥러닝이 무엇인가에 대해서 한번 알아볼까 합니다.

출처 : pixabay 사이트

딥러닝이란?

 

 - 인공신경망을 이어주는 기계학습법

   이라고 간단하게 설명할 수 있을 것 같아요.

 

딥러닝은 사물이나 데이터들을 군집화하거나 분류하는 데 사용하는 기술이라고 하는데요.

컴퓨터는 사진만 가지고는 이 사진이 어떤 것을 찍은 것인지 구별할 수가 없잖아요. 이렇게 컴퓨터가 구별해 낼 수 있도록 기계학습이 나온 것이고요.

이 기계학습은 이전 포스팅에도 말씀드린 것과 같이 많은 데이터들을 컴퓨터에 미리 입력하고 비슷한 것끼리 분류할 수 있도록 하는 기술인 것이죠.

여기서 데이터들을 어떻게 분류할 것인가의 한 종류가 인공신경망 즉 딥러닝이 여기서 나온 것이라고 생각이 듭니다.

 

딥러닝은 이러한 데이터들을 분류체계인 인공신경망의 한계를 극복하기 위해서 제안된 기계학습의 한 방법이라고 할 수 있는데요.

1943년부터 딥러닝에 대한 이론 연구는 시작되었지만 2004년부터 본격적인 재도약의 길을 걷기 시작하였다고 합니다.

제프리 힌튼 교수가 RBM이라는 새로운 딥러닝 기반의 학습 알고리즘을 제안하면서 시작되었다고 하는데요.

그 이후에 바로 드롭아웃이라는 알고리즘 기법까지 등장하면서 고질적으로 비판받았던 과적합 등을 해결할 수 있다고 하였다고 합니다.

출처 : pixabay 사이트

딥러닝의 핵심!

 

 딥러닝의 핵심은 분류를 통한 예측이라고 합니다.

 

 수많은 데이터 속에서 패턴을 발견해 내고 이를 사람이 사물을 구분하듯이 컴퓨터가 데이터를 나누게 하는 것이죠.

이 분별 방식은 지난번 포스팅한 것처럼 지도 학습, 비지도 학습으로 나뉘는데요.

지도 학습은 사전에 이사진은 어떤 사진이야라는 답을 주는 것이죠.

하지만 비지도 학습은 이러한 사전 지식 전달 즉 학습의 과정이 없는 것입니다.

이 사진은 어떤 사진이야 라고 컴퓨터가 직접 스스로 학습하게 하는 것이 비지도 학습인데요.

지도 학습처럼 우리가 사전에 데이터와 결괏값을 입력해야 하는 것에서 발전하여 컴퓨터의 높은 연산 기능을 활용한 비지도 학습이 발생하는 것입니다.

구글이 이러한 딥러닝 기술을 엄청나게 연구하고 있다고 하는데요.

대표적인 예가 페이스북은 딥러닝을 뉴스피드와 이미지 인식 분야에 적용하고 있다고 합니다.

또한 구굴이 2012년 앤드류 응 스탠퍼드 대학교 교수와 함께 1만 6천 개의 컴퓨터와 10억 개 이상의 신경 네트워크를 구성해 신층신경네트워크(DNN)을 구현한 사례가 있다고 합니다. 

이러한 DNN을 활용해서 유튜브에 등록된 동영상들 중에서 컴퓨터가 이것은 어떤 영상인지를 인식하는 기능을 개발하는 데 성공했다고 하네요.

 

 

우리나라와 같은 경우는 딥러닝의 선두주자 네이버가 있는데요. 

음성인식이 그 대표적인 예라고 할 수 있다고 합니다. 딥러닝을 통해서 음성인식과 뉴스분석에 활용하기 시작한 네이버는 엄청난 기술 진보를 하였다고 합니다.

이렇게 사전 지식의 주입 없이 기계가 알아서 학습하고 그 결과를 정확하게 도출해 낼 수 있다면 사람이 할 수 있는 단순 업무 등은 이렇게 기계가 대신 해주 수 있는 날이 머지않아 도래하지 않을까 하는 생각을 해보게 되었습니다.

 

딥러닝은 다시 말해서 머신러닝이 사전 지식이 필요한 것에 비해서 딥러닝은 그럴 필요가 없이 발전했다고 할 수 있습니다.

그 이유는 딥러닝은 데이터를 분석함으로써 스스로 특징량을 찾아낼 수 있기 때문이라고 합니다.

 

혹시 암묵적 지식이라는 말 들어보셨나요? 

암묵적 지식이란 학습과 체험을 통해 개인에게 습득되어 있지만 겉으로는 드러나지 않는 상태의 지식이라고 정의하고 있습니다. 

사람은 명시적으로 알고 있는 지식보다 더 많은 암묵적 지식이 있다고 하는데요.

우리가 말로 설명할 수는 없지만 알고 있는 것들 그것이 바로 암묵적 지식의 예라고 할 수 있는 것이죠.

딥러닝이 더 발전한다면 이러한 인간만이 갖고 있는 암묵적 지식을 데이터의 분석과 패턴을 찾아내서 알려줄지도 모른다고 생각을 하게 되었습니다.

 

이런 이유 때문에 딥러닝이 요즈음 더 각광받고 있는 것인데요. 우리가 일반적으로 겉으로는 알지 못하는 것들, 그런 지식들을 복잡한 패턴들을 스스로 분석함으로써 답을 찾아낸다는 것이 엄청난 기술이기 때문에 요즈음 딥러닝이 트렌드로 자리 잡고 있는 것이 아닌가 생각합니다.

 

생각해 보면 딥러닝은 인공지능을 우리가 연구하기 시작하면서 이미 예견된 새로운 트렌드가 아닐까 하는 생각을 해보게 되었습니다.

머신러닝과 딥러닝의 차이점을 보면 지식을 학습하는 과정의 차이를 두는 것이라고 생각을 하는데요.

결국 인공지능을 연구하기 시작하였을 때 우리는 컴퓨터가 스스로 자신이 학습하고 결과를 도출해 낼 수 있도록 하는 것을 마지막 목표로 삼고 연구를 시작하지 않았을까 하는 생각을 해보게 되었습니다.

 

딥러닝의 추세는 앞으로도 엄청나게 발전할 것이고, 우리의 생활 속에서 우리를 더욱 편리하게도 만들어 줄 것이라고 생각합니다.

하지만 이 딥러닝이 어디까지 인간을 대신할 수 있는지, 그리고 인간의 본질적인 가치에 대해서는 어떻게 딥러닝으로 해결할 수 있는지에 대해서는 조금 더 생각해 보아야 하지 않을까 생각이 드는데요.

인본주의라는 말이 있듯이, 인간의 가치가 주된 관심사이고 우리가 인간이라는 인격체로서 존중받는 이유를 딥러닝을 통해서 기계가 얼마나 해결해 줄 수 있을지가 앞으로 딥러닝이 더 발전할 수 있느냐 없느냐의 차이가 아닐까 생각을 합니다.

 

저는 문과적 성향이 강한 직장인이라서 이런 기계적인 발전을 보면 인간의 본연의 가치에 대한 연구나 고민이 함께해야 한다고 생각하는 사람인데요.

인공지능 - 머신러닝 - 딥러닝으로 지속적으로 과학이 발전할수록 우리가 어떻게 이러한 발전된 문물들을 받아들이고 활용해야 하는지까지 함께 고민해야 하지 않을까 하는 생각을 해보면서 마무리할까 합니다.

 

요즈음 특히 우리 인간에 대한 연구가 한동안 각광받았다가 인간 본연 자체의 가치를 연구하는 것이 조금 더뎌지고 있는 것이 아닌가 하는 생각이 들 때,

이런 과학의 발전과 함께 어떻게 우리가 행동해야 하는지를 생각해 보면 좋을 것 같습니다.