IT Life

인간인 듯 인간 아닌, 그러나 인간 같은 너 -인공지능 컴퓨팅(1편) -

2014.10.20 10:14

 

안녕하세요? LG CNS 대학생 기자단 최종호입니다.

컴퓨터가 사람처럼 스스로 생각하는 세상을 상상해 본 적 있나요? 영화 <그녀(Her)>를 보신 분이라면 이러한 상상에 충분히 공감하실 텐데요. 영화는 한 남자가 최신 컴퓨터 운영체제(OS) ‘사만다’와 사랑에 빠지는 스토리를 다루고 있죠. 우리가 생각하는 인공지능의 수준을 넘어 스스로 판단하고, 생각하는 컴퓨터 운영체제(OS) 사만다는 ‘상황 인지’ 능력과 고도의 ‘딥 러닝(Deep Learning)’ 기술이 융합된 인공지능 컴퓨팅 시스템의 만들어가는 미래의 한 가지 단상을 보여줍니다. 특히, 딥 러닝은 2014년 IT 트렌드로 선정될 만큼 차세대 산업으로 각광받고 있는데요. 오늘은 인공지능 컴퓨팅의 두뇌인 ‘딥 러닝’ 기술에 대해 자세히 알아보겠습니다.

 

 

딥러닝은 수많은 사물을 분류할때 두가지의 방법을 씁니다. 지도 학습과 비지도 학습입니다. 판단 기준을 제공하지 않아도 컴퓨터 스스로가 사물이나 데이터를 군집화(Clustering)하거나 분류(Classification)하여 인지, 추론, 판단하는 것을 ‘비지도 학습 (unsupervised learning)’이라 합니다. 이는 컴퓨터가 판단할 수 있도록 수 많은 데이터를 미리 입력하는 지도 학습보다 진보한 방식입니다. 

< 인공신경망을 모방한 딥 러닝 (출처 : MIT Technology Review – 10 BREAKTHROUGH TECHNOLOGIES 2013) >


딥 러닝은 인간이 갖는 지능과 두뇌의 기능에 준하는 데이터 분석능력을 갖춘 개념으로, 그 핵심은 분류를 통한 예측입니다. 수많은 데이터 속에서 패턴을 발견해 인간이 사물을 구분하듯 컴퓨터가 객체를 분별하죠. 즉, 뉴런과 시냅스로 구성된 뇌의 신경회로와 같은 구도를 컴퓨터를 통해 구축한다는 발상에 기반을 두고 있습니다. 이를 통해 사람이 직접 조작해 체계화한 데이터 분석 이상의 결과를 기대할 수 있는데요. 처음부터 인간 뇌의 신경회로에 준하는 컴퓨터 체계를 구축하여 인간의 뇌 같은 창조 능력을 부여하고자 하는 것입니다. 자동차 인식을 예로 들면, 딥 러닝은 사람이 데이터를 일일이 입력하지 않아도 컴퓨터가 차를 모니터링 하여 색상, 번호판, 모델 등을 인식한 후 차량의 소유주가 누구인지를 알아내는 인공지능에 해당합니다.

<심화신경망 알고리즘 >


딥 러닝에는 데이터 처리에 용이한 구조 형태인 심화신경망(Deep Neural Network) 알고리즘이 활용됩니다. 심화신경망 알고리즘은 하나의 뉴런이 다수의 뉴런과 연결된 형태이기 때문에 병렬 분산 처리가 가능합니다. 그래서 복잡한 문제를 작게 나누어 동시에 작업할 수 있는 것입니다. 또한 뉴런의 움직임이 비선형성[각주:1] 을 보이기 때문에 구조화되지 않은 데이터의 처리까지도 가능합니다. 

 

딥 러닝은 최근에 관심이 높아진 분야이지만 이미 1980년대에 그 연구가 시작되었는데요. 당시에도 신경망 학습은 높은 정확도에 비해 느린 속도가 걸림돌이었습니다. 게다가 과적합[각주:2] 도 해결되지 않았기 때문에 실무에 적용하기에 적합하지 않다는 것이 일반적인 생각이었죠. 이렇게 수면 아래로 가라 앉은 딥 러닝이 다시 급 부상한 이유는 크게 세 가지 입니다. 


우선 기존 인공신경망 모델의 단점이 극복되었기 때문입니다. 2004년 새로운 딥 러닝 기반의 학습 알고리즘 ‘RBM(Restricted Boltzmann Machine)’이 등장하였고, 지난 해에는 ‘Drop-out’이라는 개념이 소개되면서 훨씬 간단하고 강력한 형태로 과적합을 방지할 수 있게 되었습니다.

< 제프리 힌튼(Geoffrey Hinton) 교수의 Unsupervised RBM 도표 (출처 : 위키피디아) >


하드웨어의 발전 역시 딥 러닝 부흥의 중추 역할을 하는데요. 강력한 GPU(Graphics Processing Unit)는 복잡한 매트릭스와 벡터 계산이 혼재해 있는 경우 몇 주 걸리던 작업을 몇 일 사이로 줄이는 등 최고의 성능을 발휘하고 있죠. 또한 IBM은 자체 개발한 ‘왓슨’ 슈퍼 컴퓨터를 중심으로 인공지능 생태계를 조성하고 있습니다.

< 인공지능 컴퓨터 ‘왓슨’ (출처 : IBM Watson) >


딥 러닝 부흥의 마지막 이유는 바로 ‘빅데이터(Big Data)’ 시대의 도래입니다. 온라인을 통해 쏟아지는 막대한 양의 데이터에 분석능력을 적용하여 종합적으로 가공/재생산하고 있고, 이것이 학습에 이용되는 것입니다. 빅데이터와 맞물린 딥 러닝은 다방면으로 활용이 가능한데요. 그 중 음성 인식과 이미지/영상 인식 분야에서 강세를 보이고 있고, 글로벌 기업들의 격전장이 될 정도로 관심이 뜨겁습니다.


이처럼 기술환경의 변화에 따라 딥 러닝은 하나의 트렌드로 자리잡고 있는데요. 오랜 시간 동안 영화 속에 등장하는 인공지능이 먼 이야기만은 아니라는 생각이 듭니다. 다음 2편에서는 가히 열풍이라고 해도 과언이 아닌 인공지능의 세계 현황과 국내 기업들은 이에 어떻게 대처하고 있는지 살펴보겠습니다.





  1. 비선형성: 하나의 원인에서 하나 또는 다수의 결과가 생기는 성질 [본문으로]
  2. 과적합(Overfitting): 표본집단에 과하게 학습을 하여 실제 모집단에 적용 시 오히려 분석력이 떨어지는 현상 [본문으로]
Posted by IT로 만드는 새로운 미래를 열어갑니다 LG CNS

댓글을 달아 주세요

  1. BlogIcon passerby 2014.10.25 22:29  댓글주소  수정/삭제  댓글쓰기

    deep learning이 unsupervised learning 중 하나는 아니구요..
    unsupervised pre-training 과정이 포함되어 있긴하지만
    결국 supervised fine tuning을 통해 완성되니까,
    supervised learning 중 하나라고 보는게 더 맞는것 같네요.

위로