인공지능
ai 인공지능 필수용어의 이해
인공지능 AI
머신러닝 신경망 딥러닝의 이해
"인간의 지능을 가진 인공지능"
현재
인간의 지능을 가진 인공지능이 존재할까요?
"현재는"
국내, 북미, 유럽
어디에도 없습니다.
로봇 종주국으로 불리는
일본은? 역시 없습니다.
그런데
인간의 지능을 가진 인공지능 대신
이런 표현은 틀리지 않을 겁니다.
기계 스스로의 학습을 통한
통계 분석, 미래 예측
기계가
사람의 지시 없이
스스로 데이터를 분석, 학습해서
다양한 작업을 학습하는 것.
이는 현재 이미 상용화되었습니다.
머신러닝(Machine Learning)이란우리는 이를
머신러닝으로 부릅니다.
Machine Learning
기계 학습.
머신러닝은
기계에 많은 값을 입력해서
기계가 정답을 찾을
확률을 높이는 과정입니다.
보통 룰 베이스(Rule-Based)로 부릅니다.
사람이 기계에 지식을 입력하고,
기계가 지식을 확장해가는 과정입니다.
기계가 지식을 확장해서
어디에 쓰려는 걸까.
사람의 생각, 사고 시간을 대체합니다.
사람만이 가능한 것으로 간주했던 영역에
기계가 불쑥 들어오고 있습니다.
인간 일자리에 관한 이슈 역시
이 지점으로부터 시작되죠.
다시 돌아와
기계가
사람의 사고 영역을 대체하도록 만드는
핵심 기술이 머신러닝입니다.
'룰 베이스'에 입력되는 값을 분류하면
문자, 이미지, 음성,
대화, 통계지표 등입니다.
예를 들어
빨가면 사과.
그럼 빨가면 다 사과인가?
아니죠.
그래서 또 다른 입력 값을 넣습니다.
과일이다.
꼭지 영역이 동그랗게 파였다 등등.
그럼 사과를 인식할 확률이 올라갑니다.
기계가
머신 러닝 기술로
위와 같은 분석을 하는 과정을
크게 두 가지로 구분합니다.
머신러닝의 처리 과정구분과 계산
개발자들은
이를 분류와 회귀로 표현하더군요.
분류와 회귀 대신
구분과 계산으로 놓겠습니다.
구분은 이미 일상 깊숙이 들어와 있습니다.
다음(DAUM)과 같은 포털 뉴스 탭에서도
일부 볼 수 있죠.
어떤 분야의 뉴스인지 구분합니다.
과학인지, IT인지, 경영인지, 연예인지 등등.
또는 기업의 상품을 구분하거나
동물을 구분하거나 하는 과정에 적용됩니다.
계산은 숫자 값을 계산하는 것입니다.
구분이 수치화되지 않은 값(이미지, 텍스트 등)을
분석하는 과정이라면,
계산은 숫자를 분석해서
역시 숫자로 예측 및 표현합니다.
벤처 개발사의 1년 후 매출 예측,
상장사의 1년 후 주가 예측 등등.
인간이 사고하기 위해서는
입력(지식, 경험)이 있어야 합니다.
입력으로부터 출력을 만들겠죠.
공부(입력)해서 남 주는(출력) 것 역시
인간의 사고 영역에 해당됩니다.
입력층과 출력층인공지능도 다르지 않습니다.
입력을 받아서 출력합니다.
입력받는 부분을 입력층,
출력하는 부분을 출력층으로 부릅니다.
그리고 입력층과 출력층을 구성하는
네트워크 구성 요소를 뉴런으로 부릅니다.
입력(층)에서 출력(층)으로 흐르는
머신러닝.
그런데
복잡한 사고의 과정이 필요한 경우가 생깁니다.
사람의 경우에도
과거를 떠올리고, 현재에 대입해서
미래를 예상하는 경우가 있죠.
주식, 도박, 결혼, 건강 등등.
좋은 것, 나쁜 것 구분 없이
복잡한 사고의 과정을 거치는 것들이
무수히 많습니다.
인간과 유사한 지능을 가지려면
복잡한한 사고의 과정을 처리 가능해야겠죠.
그래서 입력층과 출력층 사이에
연결층을 하나 넣습니다.
이를 중간층 혹은 은닉층으로 부릅니다.
인공지능의 핵심 기술인
머신 러닝 용어의 이해는 여기까지.
그런데
머신 러닝에 대해 쭉 보고 나니
어딘가 허전합니다.
알파고 열풍이 불었을 때
각종 매체에서
머신 러닝의 짝꿍으로
늘 등장했던 용어가 있습니다.
신경망과 딥러닝.
신경망과 딥러닝을 간단히 봅니다.
신경망과 딥러닝신경망(Neural Network)은
머신러닝의 하위 갈래입니다.
사람의 뇌와 비교해볼까요.
사람의 뇌는 신경 세포의 합입니다.
사람의 뇌=신경 세포 네트워크
인공지능 신경망 역시 다르지 않습니다.
인공지능 신경망 = 신경 세포 네트워크
따라서 인공지능에서의 신경망은
기계의 뇌로 이해하면 무리가 없습니다.
기계 스스로 학습하는 머신러닝의
대표적인 기술이기도 합니다.
앞서 예로 든
다양한 사물의 분류 역시
신경망 기술에 기반을 둡니다.
그럼 머신러닝 기술이기도 하겠죠.
머신러닝>신경망 이니까요.
마지막으로
딥러닝(Deep Learning).
딥러닝은 신경망의 하위 갈래입니다.
딥러닝(Deep Learning)따라서
머신러닝 신경망 딥러닝의 갈래 구분은
아래와 같습니다.
머신러닝>신경망>딥러닝
딥러닝은
사고를 더, 더 늘리기 위한 기술입니다.
아름다운 우리말 그대로 깊은 생각이니까요.
앞서 중간층을 설명했는데요.
깊은 생각(딥 러닝)을 위해
중간층을 두 개, 세 개로 늘립니다.
필요하다면 10개 이상으로 늘려서
분석의 밀도를 높일 수 있겠죠.
말 그대로 딥한 러닝을 할 수 있습니다.
딥키스를 연상해보면 어떨까요...(생략)
이렇게 여러 개의 중간층을 이용해
사고하는 방식을 딥러닝으로 부릅니다.
좀 더 정확히는
여러 개의 중간층을 심층 신경망,
심층 신경망에서 기계 스스로 학습하는 것을
딥러닝으로 구분합니다.
머신러닝>신경망>딥러닝
인공지능(AI)
머신러닝, 신경망, 딥러닝의
쉬운 이해였습니다.
