안녕하세요, 이번에 인공지능과 관련된 프로젝트를 진행하게 되어 이와 관련된 개념들을 가볍게 정리해볼까 합니다.
우선 머신러닝과 딥러닝의 차이에 대해서 아시나요?
머신러닝은 데이터를 이용해 모델을 학습시키고, 이를 통해 예측이나 결정을 내리는 알고리즘을 개발하는 기술입니다.
딥러닝은 머신러닝의 하위 분야로서, 인공 신경망(Artificial Neural Networks)을 사용하여
데이터로부터 학습하는 기술입니다.
이제 기본적으로 어떤 차이점을 가지고 있고, 머신러닝과 딥러닝이 무엇인지 대충 알고 있으니
머신러닝과 딥러닝이 어떤 것인지 가볍게 훑어보도록 하겠습니다.
머신러닝(Machine Learning)
사람이 고양이를 구별하는 것은 어렵지 않지만,
고양이를 판별하는 알고리즘을 작성하는 것은 생각만해도 복잡할 것 입니다.
당장 아래에 고양이의 다양한 모습으로부터 고양이를 판별하기란 더 어려울 것 입니다.
위와 같이 다양한 이미지 인식 분야에서 규칙을 정의하고 특징을 잡아내기 위한 시도와 알고리즘화 하려는
시도가 있었지만 한계가 발생하여 요즘에 이르러서는 사진으로부터 대상을 찾아내는 일은
사람이 규칙을 정하는 것이 아니라 머신 러닝으로 문제를 해결하고 있습니다.
주어진 데이터로부터 규칙성을 찾는 과정을 우리는 훈련(training)또는 학습(learning)이라고 합니다.
쉽게 이야기해서, 지금까지는 Data를 구분하는 알고리즘을 작성하고, 해답을 찾았다면
현재는 데이터가 주어지면 기계가 스스로 데이터로부터 규칙성을 찾아내서
알고리즘을 구축하는 것 입니다.
위와 같은 방법으로 규칙성을 발견하고나면, 그 후에 들어오는 새로운 데이터에 대해서 발견한 규칙성을
기준으로 정답을 찾아내게 되는 것 입니다.
딥 러닝(Deep Learning)
딥 러닝은 머신 러닝의 특정한 한 분야로서 인공 신경망(Artificail Neural Network)의
층을 연속적으로 깊게 쌓아올려 데이터를 학습하는 방식을 말합니다.
인공 신경망은 수 많은 머신 러닝 방법 중 하나로, 인공 신경망을 복잡하게 쌓아올린 방식이
다른 머신 러닝 방법을 뛰어넘는 성능을 보여주는 사례가 늘어나고 있습니다.
딥 러닝을 이해하기 위해서 인공 신경망에 대한 이해가 필요한데, 여기서는 초기의 인공 신경망인
퍼셉트론(Perceptron)에 대해서 이야기 해보도록 하겠습니다.
다수의 입력으로부터 하나의 결과를 내보내는 알고리즘으로 프랑크 로젠블라트가 제안한
초기 형태의 인공신경망을 퍼셉트론이라고 합니다.
위에서 우측 artificial neuron을 보시면 $x$는 입력값을 의미하며, $w$는 가중치(weight), $y$는 출력값입니다.
실제 신경 세포 뉴련에서 신호를 전달하는 Axon(축삭돌기, 위에서 좌측사진 참고)의 역할을
퍼셉트론에서는 가중치가 대신합니다.
$x$와 $w$는 합께 종착지인 인공 뉴런에 전달되고 있으며, 각 입력값과 그에 해당되는 가중치의 곱의 전체 합이
임계치(threshold)를 넘으면 종착지에 있는 인공 뉴런은 출력신호 1을 출력하고 그렇지 않은 경우 0을 출력하게 됩니다.
이러한 함수를 계단함수(Step Function)라고 합니다.
실제로 현재에는 뉴런에서 출력값을 변화시키는 함수를 활성 함수(Activation Function)이라고 하는데,
초기에는 계단 함수를 많이 사용하였지만 현재에는 다양한 활성화 함수가 사용됩니다.
위에 이이야기 한 것 처럼 다양한 활성함수가 사용되고, 퍼셉트론을 어떻게 쌓아가느냐에 따라서
Single-Layer Perceptron, MultiLayer Perceptron으로 나뉘게 됩니다.
이번에는 가볍게 어떤 이론인지에 대해서 알아보기로 한 만큼 이후에 더 자세히 다루도록 하겠습니다.
감사합니다.