(1) 딥러닝이란 무엇일까?

 

요즘 가장 주목받는 기술로 딥러닝을 얘기할 수 있다. 그렇다면 딥러닝이란 무엇일까?

 

위 그림처럼 제일 큰 범주에 인공지능, 그 속에 머신러닝, 그 속에 딥러닝이 존재하는 형태이다.

 

1) 인공지능이란?

인공지능은 따로 정의가 존재하지 않아 참 난해합니다. 이해를 돕기위해 인공지능의 4가지 유형을

알아보자.

 

인공지능에는 크게 4가지 레벨이 있다.

Level 1) 단순 제어프로그램(세탁/청소)을 탑재한 제품

Level 2) 입/출력이 다양한 고전적 인공지능

Level 3) 머신러닝을 활용한 인공지능(Level 2 + 학습)

Level 4) 딥러닝을 활용한 인공지능(학습을 할 때 input의 feature를 기계가 직접 학습)

 

2) 머신러닝이란?

일반적인 컴퓨터 프로그램은 input을 입력받고 그에 따른 output을 출력하게 되어있다.

더하기를 하는 프로그램을 예로 들면 아래와 같이 더해주는 함수를 작성하여 더해줄 수 있다.

#예시
def add(x,y):
	add_ = x + y
    return add_

 

그에 반해 머신러닝은 input 데이터가 주어지고, label 데이터(정답 데이터)가 주어졌을 때 학습을 통하여 어떠한 규칙을 찾아내 그 규칙을 통해 결과를 도출할 수 있다.

 

2-1) 머신러닝의 종류

1. Supervised Learning(지도 학습)

- input, label 데이터를 이용하여 학습.

- 분류(개, 고양이 찾기), 회귀(집값 예측)

 

2. Unsupervised Learning(비지도 학습)

- input 데이터만을 이용하여 학습.

- clustering(군집화), compression(압축)

 

3. Reinforcement Learning(강화 학습)

- 어떤 output을 출력했을 때 그에 대한 reward(보상)이 주어짐

- Action selection, Policy Learning

 

2-2) Training(학습)과 weight Parameter(가중치)란?

집값을 예측하는 문제를 해결하려 할 때 집의 면적이라는 feature(x 혹은 input), 가격이라는 label(y 혹은 예측하고자 하는 값)이 있다고 가정해보자.

$$[x_1, x_2, ..., x_n]^T$$

$$[y_1, y_2, ..., y_n]^T$$

라고 한다면 학습을 한다는 것은 무엇을 의미할까?

어떠한 함수 h(x) (집값을 예측해주는 모델)에 x들을 input으로 하여 output으로 예측한 집값(y')으로 뱉어주는 함수가 있다고 할 때 함수의 내부를 살펴보면,

$$h(x) = x_1\theta_1 + x_2\theta_2 + ... + x_n\theta_n$$ 으로 간단히 표현할 수 있고, 각각의 theta가 h(x)모델의 가중치(weight)가 된다. 그래서 예측한 y'_1, y'_2, ... y'_n과 label을 비교하여 theta들을 조정하고, 그 과정을 반복하는 것을 파라미터라고 한다.

 

3) 딥러닝이란?

딥러닝은 사람의 뇌를 본떠 만든 인공신경망의 한 종류이다. 사람의 뇌에는 엄청나게 많은 신경세포(뉴런)가 시냅스를 통해 병렬적으로 연결되어 있는데 딥러닝을 이 모습을 모방하여 만들어낸 것 이다. 간단하게 표현하자면 아래의 그림과 같이 표현할 수 있다.

Input layer에 data가 들어가고, Hidden layer에서 연산을 거쳐 Output layer에서 결과를 도출하는 방식이다.

그렇다면 딥러닝의 차이는 무엇일까?

머신러닝의 경우 학습을 위한 데이터를 가공할 때 각각 문제에 맞는 feature들을 사람이 직접 가공해줘야 한다. 하지만 딥러닝의 경우 feature까지 스스로 학습하고, 다양한 activation function, optimizer 등등 굉장히 복잡한 과정을 거치고 있다. 다음 게시물에선 Convolutional Nerual Network(CNN)에 대해 같이 공부해보자.