티스토리 뷰

반응형


인공지능? 

  • 최근 교육, 취업, 제조업 등 모든 분야에서 인공지능을 사용하고 있다며 광고하는 모습을 어렵지 않게 접하셨을겁니다. 뉴스에서는 금방이라도 세상이 기계에 지배당할 것 처럼 보도하고 이에 대해 제대로 알지 못하는 사람들은 이런 뉴스에 공포감을 느끼곤 하는데요, 이번 포스트에서는 인공지능이라고 불리는 기술 [인공 신경망] 에 대해 알아보겠습니다.


사실은 오래된 역사 

  • 한국에서는 알파고 이후 유명세를 띄기 시작하면서 인공지능 붐이 일기 시작했습니다. 하지만 인공 신경망 기술의 역사는 우리가 생각하는 것보다 매우 깊습니다. 처음 이 기술의 아이디어가 등장한 것은 1940년대 였습니다. 신경세포가 하는 일이 컴퓨터를 구성하는 이진회로와 유사하다는 사실을 알게 되고 Perceptron 이라는 인공신경을 디자인하며 관련 기술이 시작되었습니다. 하지만 기대했던 바와 달리 Perceptron 이 선형분리 기능밖에 없으며 대부분의 문제들 ( 대표적으로 XOR 문제 ) 을 해결하지 못한다는 사실을 알게 되며 인공신경망 기술은 침체기에 빠집니다.

  • 하지만 1980년대 Perceptron 을 여러개 쌓아 한계를 극복하는 Multi-Layer Perceptron(MLP) 기술의 등장과 학습을 가능하게 하는 알고리즘인 Backpropagation Algorithm 이 제시되면서 인공 신경망 기술은 새로운 국면을 맞습니다.

  • 이후 1989년 필기 숫자 인식 문제를 사람만큼 잘 분류해내는 실용적인 논문이 발표되고 우체국의 수표 인식 시스템 등에 실용적으로 적용되는 일들이 생겨납니다. 하지만 더 어려운 문제들에는 잘 적용할 수 없었고 신경망이 학습할 때 생기는 문제들을 해결하지 못하는 한계에 직면하고, 이 때 SVM 같은 새로운 기술들이 등장하며 인공 신경망 연구는 다시 침체기에 빠지게 됩니다.

  • 하지만 2000년대 빅데이터의 발전과 함께 인공 신경망은 새로운 활력을 되찾게 됩니다. 다른 머신러닝 알고리즘과 달리 데이터가 많으면 많을 수록 성능이 좋아지는 인공 신경망의 특징 덕분입니다. 컴퓨팅 자원이 좋아지고 데이터가 많아지고, 학습할 때 생기는 여러 문제들을 해결할 수 있는 방법들이 등장하면서 아이언맨의 자비스가 하는 일들을 실제로 구현할 수 있게 되기 시작합니다. 물체를 인식하거나 말을 하거나 번역을 하는 등 실생활의 문제들을 푸는 것이 가능해진 것입니다.

  • 지금부터는 사람의 뉴런 부터 최근 기술까지 하나씩 살펴보겠습니다.

  • 전체 내용은 SlideShare 에서 한번에 보실 수 있으며 youtube 로도 볼 수 있습니다.



사람을 따라서 만들자 - Perceptron 



  • 사람이 할 수 있는 일들을 기계가 했으면 좋겠다는 생각. 사람이 어떻게 동작하는지 알아내고 그것을 구현해야겠다는 생각을 한 사람들이 있었습니다. 그들은 가장 기초인 사람의 신경에 대해 연구를 하기 시작했을 겁니다.

  • 이 그림은 사람의 신경인 뉴런입니다. 핵심은 신호들을 받은 뒤 출력을 하기도 하고 하지 않기도 한다는 것입니다. 이를 기계적으로 구현한 것이 Perceptron 입니다.



  • Perceptron 의 구조는 다음과 같습니다. 여러개의 Input 을 조합해서 0 이나 1 을 출력합니다. 뉴런이 하는 일과 완벽하게 동일하다는 것을 알 수 있습니다.

  • Activation Function 이라는 것은 출력의 기준을 설정하는 것이라고 생각하면 됩니다. 여러 Input 값들을 합쳐서 10이 넘으면 1을 출력하고 넘지 못하면 0을 출력하자. 라는 것처럼 기준점을 마련해주는 함수 입니다. 초창기에는 Step Function 이라는 함수를 사용했습니다.


  • 계단함수 라고도 불리는 Step Function 입니다. Input 값들의 조합이 일정 기준을 넘을 경우에만 출력하게끔 만들어 줄 수 있는 함수 입니다.



Perceptron 으로 문제를 풀어보자 

  • Perceptron 으로 초반에 풀었던 문제는 각종 기본 회로들 이었을 겁니다. 컴퓨터의 기초가 되는 AND Gate, OR Gate 등 기본 논리 회로들을 구현해 봤을 겁니다.




  • 가장 기본적인 Gate 인 And Gate 입니다. Input 값들이 모두 다 1 일 경우에만 1을 출력하고 그 외에는 0을 출력하는 회로 입니다. Perceptron 의 특성상 하나의 선으로 결과들을 구별할 수 있다면 큰 문제 없이 풀어낼 수 있습니다.


  • 0 과 1이 하나의 선으로 구별할 수 있는 AND 게이트나 OR 게이트 등은 큰 문제가 되지 않았었습니다. 하지만 인공신경망의 첫 침체기를 가져온 XOR 게이트는 어땠을까요.





  • XOR 게이트의 경우 AND 게이트나 OR 게이트와는 달리 하나의 선으로는 0 과 1 을 구분할 수가 없었습니다. Perceptron 이 간단한 XOR 게이트 문제도 풀지 못하며 인공 신경망 기술은 침체기로 들어서게 됩니다.

다음글 - Part. 2 멀티 레이어 퍼셉트론





부족한 블로그에 방문해 주셔서 감사합니다.

잘못된 부분이나 질문이 있으시면 

댓글로 말씀해주세요.


금방 확인하고 피드백 드리겠습니다.


좋은 하루 되세요. ^^


반응형
댓글
반응형
공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
링크
«   2024/03   »
1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30
31
글 보관함