팁테크

딥러닝, 우리생활에 다가온 인공지능 기술 원리는?

  • 안병도 기자

  • 입력 : 2017-06-15 14:00:03

    최근 인공지능에 대한 사람들의 관심이 커졌다. 바로 알파고 때문이다. 2016년 3월 있었던 이세돌 9단과의 대결에서 4:1로 이기고, 2017년 5월 중국의 커제 9단과의 대결도 3:0으로 완승했다.

    ⓒ




    체스나 장기보다 인공지능이 인간을 가장 이기기 힘들 것이라고 여겨진 것이 바로 바둑이었다. 그런데 이런 바둑에서 최정상 기사들에게 완승하니 인공지능에 대한 관심이 높아질 수밖에 없다.

    ⓒ



    과연 인공지능은 어떻게 바둑을 학습해서 승리를 가져갈 수 있었을까? 그 답이 바로 딥러닝에 있다.




    인공지능이란 무엇인가?

    인공지능이란 컴퓨터가 인간의 지능적인 행동인 사고, 학습, 판단을 모방할 수 있도록 하는 것이다. 영국의 수학자 앨런 튜링은 1950년 발표한 논문에서 인간이 기계와 이야기하는지, 혹은 사람과 이야기하는지를 분간할 수 없다면 컴퓨터가 지능을 갖고 있다고 보아야 한다는 튜링 테스트(Turing Test)를 이야기하였다. 이는 인공지능에 대한 개념적인 기반을 제공하였다.

    ⓒ

    1956년 다트머스 회의에서 처음 인공지능이라는 용어가 등장했다. 그러나 인공지능의 개발은 쉽지 않아서 1970년대까지 침체기를 겪으며 연구는 지지부진했다.

    하지만 1980년 새로운 이론이 제시되면서 인공지능은 다시 관심을 받았다. 바로 신경망 이론이다. 신경망 이론은 인간의 사고를 두뇌 작용의 산물로 본다. 두뇌 구조를 분석하고 처리하는 과정을 규명한다면 이를 바탕으로 인공지능을 만들 수 있다는 것에서 출발한다. 하지만 이 당시 방대한 데이터를 관리할 방법이 없어 다시 침체에 빠졌다.

    1990년대 인공진흥 연구는 다시 중흥기를 맞게 된다. 검색 엔진 등을 통해 방대한 데이터를 수집 할 수 있게 되었고, 머신러닝을 통해 인공지능 시스템 스스로 학습하게 되었기 때문이다.



    인공지능의 공부법 - 머신러닝

    1959년 아서 사무엘은 머신러닝을 “명시적인 프로그램 작성 없이 컴퓨터에 학습 능력을 부여하기 위한 연구 분야”라고 정의하였다. 즉 컴퓨터가 사람처럼 데이터를 받아 공부해서 새로운 지식을 얻도록 하는 것이다.

    ⓒ



    그렇다면 컴퓨터는 머신러닝을 통해 어떻게 학습하는 것일까?

    y=2x+1이라는 함수를 컴퓨터가 학습한다고 하자. 이 함수를 프로그래밍해서 주는 것이 기존의 방법이다. 하지만 머신러닝을 함수를 주는 대신 (x, y)의 값인 (1, 3), (2, 5), (3, 7), (4, 9)를 준다. 그리고 x=5, x=7일 때 값 등을 찾도록 하는 것이다. 그러면 컴퓨터는 하나의 함수를 유추하는 지도 학습(Supervised Learning)이나 x의 값이 어떻게 분포되었는지를 파악하는 비지도 학습(Unsupervised Larning)을 통해 공부하게 된다.

    비지도 학습은 사전지식 없이 데이터만을 통해 의미 있는 지식을 얻고자 할 때 사용한다. 학습 기법으로는 개체를 상호 유사한 클러스터로 그룹화하는 클러스터링, 예상치 못한 결과를 식별해 처리하는 비정상 탐지, 고려대상의 변수를 줄여나가는 차원 축소가 있다

    지도 학습은 결과에 대한 사전 지식이 필요하다. 과거의 지식을 바탕으로 예측과 분류를 하는 것이다. 이런 지도 학습의 기법으로는 선형 모형 상에서 하나 이상의 변수를 대상으로 일반화된 모형을 구축하는 일반화 선형 모델, 몇몇 입력 변수를 바탕으로 목표 변수의 값을 예측하는 모델을 생성하는 것을 목표로 하는 의사결정 트리, 여러 개의 결정 트리들을 임의로 학습하는 방식의 앙상블 방법인 랜덤 포레스트, 연속되는 트리가 이전 트리의 예측 오류를 수정해 나가는 그래디언트 부스팅 머신, 그리고 우리가 이야기할 딥러닝 등이 있다.


    인간처럼 공부하는 인공 신경망 그리고 딥러닝

    딥러닝은 인공신경망의 한계를 극복하고자 나온 방법이었다. 그렇기에 인공신경망에 대해 알 필요가 있다.

    ⓒ


    미국 일리노이 의대 워런 맥컬록은 1943년 발표한 논문에서 인공신경망의 개념을 제시하였다. 신경세포(뉴런)은 중심인 세포체와 신호를 전달하는 축삭돌기, 신호를 받아들이는 여러 개의 수상돌기로 이루어져 있다. 각 세포를 연결하는 것이 시냅스인데 신호를 무조건 전달하는 것이 아니라 플러스나 마이너스의 가중치를 줘서 전달한다.

    이런 가중치는 상황에 맞게 조절된다. 외부에서 신호가 입력되면 가중치를 통해 계산을 완료하고 특정한 반응이나 행동을 하게 된다. 인공 신경망은 이런 신경세포를 모방했다. 뉴런은 신경세포처럼 노드, 입력, 출력, 가중치를 가진다. 이런 뉴런 여러 개를 병렬로 묶고 층을 이루어 망을 형성한 것이 인공 신경망이다.

    ⓒ


    사진이 고양이인지 확인하는 인공 신경망이라면 눈동자, 귀 모양, 무늬, 전체적인 형태 등 각 특성을 뉴런에서 확인하여 그 데이터를 바탕으로 가중치에 따라 고양이인지 아닌지를 판단한다. 하지만 이런 인공 신경망은 굉장한 양의 연산이 필요하고 층이 늘어나면 연산의 양은 기하급수적으로 늘어나 많은 시간을 소요한다. 그리고 학습을 위한 입력 데이터가 적으면 오답을 학습할 가능성이 있다. 학습데이터를 과하게 학습하여 실제 데이터에 대한 오차가 증가하는 과적합 현상까지 발생한다.

    딥러닝을 단순하게 보면 인공 신경망이 여러 개의 층을 가진 형태이다. 그래서 심층 신경망이라고 한다. 여기에 하드웨어의 발전, 특히 병렬처리에 강한 GPU는 복잡한 연산에 소요되는 시간을 크게 단축시켰다. 빅데이터의 출현은 적은 입력 데이터로 인한 걱정을 날려버렸다. 과적합을 방지할 수 있는 RBM과 Drop-out과 같은 알고리즘이 나왔다. 이렇게 인공신경망이 가졌던 문제들이 해결되면서 딥러닝은 주목을 받을 수 있었다.


    다양한 분야에 적용되고 있는 인공지능과 딥러닝

    이러한 딥러닝은 현재 많은 분야에서 활용되고 있다. 음성 인식, 영상 인식, 자연어 처리, 고객 관계 관리 등이 대표적인 분야다.

    ⓒ



    아마존이나 넷플릭스 같은 회사가 고객에게 맞춤 상품을 추천하는 것에 딥러닝을 이용한 인공지능을 이용하여 구매율을 높인 것은 이미 유명한 이야기다. 네이버는 뉴스 요약서비스에 딥러닝을 적용해 실험하고 있다. 자연어 처리를 통해 기사를 정확히 요약해 낼 수 있는 알고리즘의 개발에 활용하고 있다.

    SKT의 ‘누구’와 KT의 ‘기가 지니’ 같은 인공지능 비서들은 음성 인식기술에 딥러닝을 적용했다. 사용하면 할수록 데이터가 늘어나 이를 바탕으로 학습하여 음성 인식률이 더 높아지고, 이해할 수 있는 단어와 문장도 대폭 증가하게 된다.

    ⓒ



    딥러닝을 활용한 영상 인식 기술 중 대표적인 것이 페이스북이 공개한 사람 얼굴을 인식해 구분하는 딥페이스다. 데이터 분석에 1억 2,000개의 연관 관계를 파악해 낼 수 있는 9개의 심층 계층으로 구성되어 4,000여 명의 사용자 얼굴에서 추출한 400만 개의 얼굴 이미지를 활용한다.

    MRI를 분석하여 병을 진단하거나 유사한 영상을 찾아 도움을 주고, 기존 데이터를 학습해 추후 질병의 발병 여부를 예측하는 등 다방면으로 딥러닝을 의료분야에 적용하기 위한 연구가 활발히 이루어지고 있다.


    딥러닝의 현재와 미래

    인간의 지능을 컴퓨터로 구현하는 것이 인공지능이다. 이런 인공지능을 구현하기 위한 컴퓨터의 학습 방법이 머신러닝이다. 딥러닝은 바로 머신러닝을 실현하기 위한 기술인 것이다. 인공 신경망을 발전시킨 이 기술은 하드웨어의 발전과 빅데이터라는 강력한 무기를 바탕으로 빠르게 발전하고 있다. 하지만 고가의 하드웨어 비용, 다른 머신러닝 방법보다 해석하기 어려운 점 등은 아직 풀어야 할 숙제다. 하지만 인공 신경망의 문제를 해결하면서 딥러닝이 나왔듯 이 문제들도 해결될 것이라 믿어 의심치 않는다.

    ⓒ



    스마트폰이 대중화되면서 우리의 생활을 많이 바꿨다. 딥러닝을 이용한 인공지능의 발전은 그것보다 더 많은 영향을 끼칠 것이다. 이미 쇼핑몰은 내가 사고 싶을 물건을 골라서 추천해주고, 페이스북은 사진을 보고 친구의 얼굴을 인식해 태그를 추천한다.

    인공지능이 나의 비서가 되고, 친구가 되어 내 생활을 보살펴 줄 것이다. 질병을 조기 진단해 예방하고 치료할 수 있고, 사람만큼 숙련된 자율운전 자동차가 우리를 목적지까지 안전하게 데려다줄 것이다. IBM의 ‘왓슨’이나 구글의 ‘알파고’를 보면서 그런 미래가 머지않았음을 확신한다.

    • 기사보내기
    • facebook
    • twitter
    • google
    • e-mail
  • Copyrights ⓒ BetaNews.net

  •