딥러닝 개념에 대해서 이야기해 봅시다.
딥러닝 개념에 대한 설명
딥러닝 개념(Deep Learning)은 뉴럴 네트워크라고 부르는 인공 신경망을 응용한 머신러닝의 일종입니다.
인공신경망(뉴럴 네트워크)는 뇌를 모델로 삼은 개념입니다. 사람의 뇌 안에는 뉴런이라고 하는 수 많은 대량의 뇌 신경세포들로 구성되어 있으며 뉴런과 뉴런 사이에 펄스 형태의 전기신호를 통해서 정보가 교환됩니다. 사람의 뇌가 사용하는 정보 교환 방식을 착안하여 이를 컴퓨터로 구현한 기술이 바로 뉴럴 네트워크입니다. 뉴럴 네트워크(Nerual Network)는 1950년 부터 연구가 시작되어 발전되고 있습니다.
딥러닝은 컴퓨터가 무엇을 학습할지 스스로 결정하고 판단하도록 구성됩니다. 즉, 학습해야 할 특징을 컴퓨터가 스스로 찾아내는 머신러닝의 비지도학습에 적합합니다.
인공 신경망의 층이 많고 깊기 때문에 딥(Deep)이라는 명칭이 붙었습니다.
전통적인 머신러닝은 기존에 축적되어 있는 데이터를 바탕으로 상관 관계와 특성을 통해 패턴을 찾아내고 결론을 내리는 기술이지만 딥러닝은 축적된 데이터를 기반으로 단지 분석에만 끝나지 않고 뉴럴 네트워크 방식의 기계 학습을 통해서 지속적으로 학습하여 최적의 결론을 내릴 수 있는 기술입니다.
전통적인 머신러닝과 새로운 기술인 딥러닝은 원천 빅데이터(Raw Input)를 통해서 결과(Output)을 만들어 내는 점에서는 동일하지만 전통적인 머신러닝은 특성(Features)과 전통적인 머신러닝 모델(Traditional ML Model)을 사용하는데 비해 딥러닝에서는 뉴럴 네트워크 형태의 심층 기계 학습(DNN Based Representation Learning)이 사용됩니다.
딥러닝 개념에 대한 이해
딥러닝 개념(Deep Learning)은 머신 러닝의 기법 중 하나입니다.
딥러닝은 반복적인 학습을 거치면서 특정한 정보의 연결성이 더 강해집니다.
사람의 뇌도 학습을 하면 할수록 문제를 더 빠르게 잘 해결할 수 있는 것처럼, 컴퓨터의 경우도 딥러닝을 통해서 스스로 지속적으로 학습하면 할 수록 더 똑똑해집니다. 사람의 뇌는 수 많은 데이터 속에서 패턴을 찾아내고 사물을 구분하는 정보 처리 방식의 구조가 있는데 이를 컴퓨터에 적용함으로써 기존의 머신러닝의 한계를 뛰어 넘을 수 있었습니다.
인공지능 영역에서 가장 대표적인 인공지능인 바둑 AI는 바둑 대국을 반복하고 거듭할 수록 바둑알의 배치 에 대한 변화를 더 많이 기억하게 되면서 경험(데이터)과 학습을 통해서 바둑 기력이 더 향상되고 강해집니다. 구글(Google)에서 개발한 인공지능 바둑 프로그램인 알파고(Alpha Go)는 딥러닝을 통해서 대국을 반복해서 실력을 향상시키고 결국 사람인 프로 바둑 기사를 이길 수 있었습니다.
딥러닝은 제3차 인공지능 발전의 활성화에 큰 기여를 한 기술입니다.
딥러닝은 빅데이터와 접목되면서 학습할 수 있는 데이터가 많아지게 되면서 더 고도화될 수 있었습니다. 또한 고도화된 처리를 위해서 컴퓨터 성능이 좋아지고 하드웨어 기술이 발전하면서 대량의 데이터를 더 빠르게 처리하여 기존에 하지 못했었던 높은 정답률과 결과들을 얻을 수 있게 되었습니다.
딥러닝은 뉴럴 네트워크의 계층을 깊이 만들었다는 특징으로 심층 학습이라고도 합니다.
딥러닝은 사람의 뇌를 모방한 뉴럴 네트워크 방식을 사용합니다.
딥러닝에서는 여러 개의 은닉층(Hidden Layer)로 구성된 인공신경망을 활용합니다. 은닉층 수가 많을 수록 깊은 구조가 되며 깊은 계층 구조는 복잡한 함수로 표현됩니다. 인공 신경망 중에서 심층 신경망(Deep Neural Network) 기술이 주로 사용됩니다.
인공지능의 판단 자료로 사용될 주어진 빅데이터가 네트워크로 전해지면서 독립변수와 종속변수, 수많은 파라미터로 구성된 함수 모델에 대해 내부에서 계산하고 정답을 출력할 수 있는 고도화된 모델을 완성하는 방향으로 만들어 내고 이를 다시 지속적으로 학습하는 원리입니다.
뉴럴 네트워크에서는 입력 값을 통해 출력 값을 만들어 내고 다시 출력 값과 정답의 오차를 다시 입력 방향으로 되돌리면서 함수의 파라미터들을 계산하고 알고리즘을 구하고 학습하는 방법을 사용합니다. 이러한 방법을 오차 역전파법이라고 부릅니다.
딥러닝이 고안되면서 인공지능 분야가 획기적으로 도약할 수 있는 기반이 만들어지게 되었습니다.
딥러닝의 심층 기계 학습 기술은 컴퓨터 비전, 패턴 인식, 자연어 처리와 같은 분야에 응용됩니다.