close_btn
?

단축키

Prev이전 문서

Next다음 문서

크게 작게 위로 아래로 댓글로 가기 인쇄
?

단축키

Prev이전 문서

Next다음 문서

크게 작게 위로 아래로 댓글로 가기 인쇄

[우리가치 10/6] 딥러닝,딥러닝(Deep learning, deep learning)

 

 

한상훈 (기술혁명과 시대정신 sanghan1990@naver.com

 

저번 에디팅을 통해 데이터 분석에서는 전처리(Preprocessing)또는 인코딩(Encoding)이라는 과정을 통해서 문서나 이미지와 같은 현실의 데이터를 기계가 처리 할 수 있는 숫자 데이터로 바꾸어야 한다고 말씀 드린 바 있습니다.  그렇다면 그 다음순서인 처리는 어떻게 할까요? 여러 방법이 있지만 그 중에 가장 주목 받고 있는 기술인 머신 러닝을 소개해드리며 그 중 이미지 마이닝의 하나인 독특하고 재미있는 딥 러닝을 말씀 드리려 합니다.

딥러닝 덕분에 물체 인식 분야야 인간의 인식력을 뛰어넘으면서 유명해지기도 하며 압도적으로 발전해왔습니다. 딥러닝은 이미지 인식, 음성 인식 뿐만 아니라 텍스트나 자연언어를 잘 분류하고 처리하는 기술이 뛰어나 의료, 바이오, 제조, 금융 등의 다양한 분야에 활용되고 있습니다.

 딥러닝의 이미지 인식은 기존의 이미지인식과는 조금 다릅니다. "특징량 추출"이라고 하는 방법이 가장 큰 차이인데 이것은 과거 사람이 이미지 내부에 있는 특징을 하나하나 지정해야 했지만 이제는 기계가 알아서 특징을 추출해준다는 뜻입니다. 이것이 바로 learning, 인간이 일일히 가르쳐야 했던 것을 이 딥러닝을 이용하면 기계가 우리를 대신해서 특징과 같은 기술들을 학습하여 연구를 진행해줍니다. 딥러닝은 머신 러닝의 종류 중 하나이지만 주목 받기 시작한 것은 2012년에 개최된 ILSVRC(ImageNet Large Scale Visual Recognition Competition)이라는 이미지 인식 대회에서 유명세를 타기 시작했습니다.

얼마큼의 정밀도로 이미지를 인식하고 특징을 살펴볼 수 있는가가 대회의 관건입니다. 2012년에 우승한 캐나다 토론토대학의 제프리 힌튼 교수의 연구팀은 딥러닝을 사용해 타 경쟁팀과 압도적인 인식정밀도차이를 벌였고 굉장한 점수를 얻어 1위를 하고 난 뒤, 다른 팀들도 순이어 다음 대회에서 딥러닝을 사용하여 상위권을 쥐었으며, 2014년 구글이 딥러닝을 활용해 인간보다 인식능력이 더 높은 수준으로 끌어올려 세계에 주목을 받으며 더 이상 대회가 무의미하다고 판단되어 주최즉은 대회의 막을 내렸습니다.

딥러닝의 기술의 원천은 이전에도 있었던 기술인 인공신경망을 지속적으로 발전시킨 것이라고 볼 수 있습니다. 인공신경망은 학교에서 한번 쯤 들어볼 뻔 했던 통계분석으로 쓰이는 SPSS, SAS 등과 같은 프로그램에도 사용되고 있는 기술입니다. 신경망은 그야말로 사람의 두뇌를 모방해서 만든 것인데 여러 뉴런이 연결되 있는 구조를 가지고 있는 네트워크라고 볼 수 있으며 신경망을 3개 이상 중첩시키면 "딥러닝"이 됩니다. 더 자세히 이해하기 위해서는 인공 뉴런, 퍼셉트론 등을 공부를 해야합니다. 딥러닝의 발현으로 이미지 인식의 정밀도가 굉장히 향상되었으며 인간보다 더 정확하게 볼 수 있다고 하지만 법칙을 발견하고 적용하는 것은 인간이 할 수 있는 일이지 기계가 할 수 있는 일은 아닙니다. 기계를 학습하도록 준비해주고 설정해주는 것은 사람입니다.  하지만 법칙을 발견하는 주체가 사람이 되는 것인지 기계가 하는 것인지의 기준이 모호해질 때 우리는 어떻게 해야 할까요?

  • ?
    김태영 2017.10.08 08:30
    좋은 글 감사합니다. 마지막 논제를 다루는 소설의 프롤로그를 읽는 듯 합니다! 스스로 딥러닝 모델을 구성하는 연구가 일어나고 있는 상황이기에 이제 곧 스스로 문제를 인식하고 제기하는 모델도 나올 수 있지 않을까합니다.