뉴럴 네트워크

Neural Network

컴퓨터 상에서 몇 가지의 뇌 기능을 표현하기 위해 만들어진 수학 모형

인간의 뇌 구조인 뉴런(신경세포)을 힌트로 만들어진 컴퓨터 구조로 AI에서도 이용되고 있다.

인간의 뇌 네트워크 '뉴런'의 구조

인간의 뇌 속은 고양이의 모습을 보고 살아있는 고양이인지, 사진등의 이미지인지, 인형인지를 오감(시각 청각 촉각 미각 후각)을 통해 판단하고 있다. 이것은, 뉴런(신경 세포)이라고 불리는 세포가 네트워크상으로 연결되어 있는 것으로 종합적 판단하고 있다.

뇌내에서는, 뉴런 간에 전자 신호가 교환되어 전기 신호가 한계치를 넘은 자극에 의해서 전자 신호가 생성해 다른 뉴런과의 시냅스(접합 부분)의 강도에 의해서 전기 신호의 전해지기 쉬움이 변화하고 있다. 뇌는 뉴런이 조합됨으로써 방대한 네트워크를 형성하고 있다.

뉴런간 정보 전달을 도식화

뉴럴 네트워크의 구조

다수 조합되어 복잡한 처리를 실시하고 있는 인간의 뉴런으로부터 착상을 얻은 뉴럴 네트워크(neural network)는 인공 뉴런이 다수 조합해 처리를 실시하고 있다. 구조로는 정보를 입력하는 “입력층”, 처리를 하는 ”은신층”, 판단 결과의 “출력층”이다. “계산” (은신층)에 뉴럴 네트워크(neural network)가 사용되고 있다.

뉴런 구조

예를 들면, 손으로 쓴 문자가, 무엇인가라고 하는 판단도 가능하다. 이미지의 경우, 하나 하나의 점(픽셀)으로 구성되어 있다. 그 픽셀의 색 구분(검은 부분, 옅은 회색 부분, 흰 부분)을 해서 가중치를 부여한다. 그리고 히라가나의 “あ(아)”로부터 “ん(응)”의 문자에 대한 일치하고 있는 확률(반응도)로 판단하고 있다. 이번 예에서는 “ぬ(누)”에 대해 가장 강하게 반응하고 있는데 유사한 “め(메)”나 “あ(아)”에도 반응하고 있다.

손으로 쓴 문자와 히라가나의 일치도를 은신층으로 계산

입력의 가중치로 조정하다

손으로 쓴 글씨라면 사람의 버릇, 흐트러짐, 얼룩 등으로 오인해 버리는 경우도 있기 때문에 쉽게 판단할 수 없다. ”ぬ(누)”라고 하는 문자는 “め(메)”나 “あ(아)”에도 반응이 나오고 있다. 이것들에 중량(weight)을 가해 판단 결과가 가능한 한 올바르게 나오는 방법을 취하고 있다. 구조로는 데이터에 가중치(W)를 넣어 판단한다.

인공 뉴런을 계층으로 처리

단체의 뉴런은 심플하고 단순한 처리 밖에 할 수 없기 때문에, 복수의 뉴런을 조합한 은신층을 만드는 것으로, 보다 자세한 패턴을 처리할 수 있다.

입력 데이터가 하나이고 은신층이 하나인 신경망

딥 러닝으로 이용되는 신경망(neural network)

은신층이 몇 층으로 깊어져 보다 복잡한 것을 정확하게 처리할 수 있다. 3계층 이상으로 딥 뉴럴 네트워크·딥 러닝이라고 부른다. 뉴럴 네트워크(neural network)에는 다수의 입력 데이터와 복수의 은신층이 있어 ”앞의 층으로부터 값을 받는다→중량을 들여서 다음 층에 값을 건네준다”라고 하는 처리의 반복을 대량으로 행하고 있다.

Google의 화상 처리 “Inception: 인셉션”에서는 40 계층 이상의 처리 시스템이다.