말은 많이 들었지만, 잘은 몰랐는 '딮 러닝(Deep Learning)'

안녕하세요?

요즘 4차 산업혁명이다 뭐다 해서 '인공지능(AI)'가 뜨고 있는데, 정작 그러면서 저는 이 '인공지능'이 정확하게 무엇인지는 알기는 커녕, 그 근처에 해당하는 지식도 접하기 어려웠던 것이 사실이었습니다. 그러던 중에 Newton 2018년 1월호에 특집으로 인공지능에 대해서 다루고 있었습니다. 이 기사를 통해서 수박 겉 핥기 식으로나마 인공지능에 대해서 배울 수는 있었고, 그 내용을 포스팅 하고자 합니다.

먼저 컴퓨터는 '연산장치'이며, 이는 기본적으로 2진수를 사용해서 입출력을 합니다. 그래서 위 그림의 묘사처럼 먼저 컴퓨터가 '딸기'가 찍힌 사진을 보고.........예, 일단 본다는 행위를 사람은 간단하게 눈으로 보기만 하면 되지만, 컴퓨터가 사진에 찍힌 딸기를 인식하기 위해서는 먼저 '입력'이 되어야 할 필요성이 있습니다. 그런데 컴퓨터는 0과 1만을 입력 받으므로, 결국 '입력층'이라고 해서 사진의 화면을 '2진수'로 변환해서 입력받는 단계가 필요합니다.

여기서 '뉴럴 네트워크(Neutral Network)'라고 해서, 사람의 뇌 속에서 사물을 인식하는 것과 같이, 이 기작-메커니즘을 '모방'한 것이 있습니다. 일단 실험자들이 생각 하기에 '뉴런에 의한 정보전달'은 전기에 의한 것이고, 컴퓨터 역시 전기 신호를 주고 받음으로써 정보를 처리하니까, 뇌 속에서 일어나는 일이 '컴퓨터'에서도 가능 하리라 생각했다고 합니다. 그래서 컴퓨터에 신경회로를 본떠 만든 시스템을 만들었고, 이를 '뉴럴 네트워크'라고 한다고 합니다.

먼저 사람의 뇌에서 일어나는 일을 아주 간략하게 묘사한 그림입니다. 먼저 눈의 망막은 있는 그대로 모든 것을 다 뇌에 바로 전달하지 않고, 먼저 빛에 의한 자극 시 신경을 통해서, 1차 시각 영역이라는 부분에 전달이 된다고 합니다. 그럼 1차 시각영역에는 특정 '선'에만 반응하는 뉴런이 있는데, 망막에서 보내온 자극에 특정한 선이 있어야 반응을 한다고 합니다. 그리고 나서 1차 시각영역에서 반응을 한 신경세포-뉴런이 다름 시각영역으로 신호를 보냅니다. 그렇게 신호는 2~4차 시각영역을 거치면서 '정보의 조합'이 된다고 합니다. 이를 그림으로 표현하면 아래와 같이 묘사가 됩니다.

위 그림의 묘사처럼, 사람의 1차 시각영역에 있는 신경세포는 특정한 '선'에만 반응하고, 이런 뉴런의 신호들이 서로 조합이 되면서 4차 시각영역(V4)까지 가서 사물의 형태를 인식한다고 합니다. 이와 같은 과정을 컴퓨터에 옮기면, 뉴런이라는 신경 세포 하나는 '노드(Node)'라고 하는 컴퓨터 안에 할당된 가상공간이 대체한다고 보시면 됩니다.

그럼 이러한 인체의 뇌속에서 일어나는 일을 모방하는 것을 '뉴럴 네트워크'라고 하며, 그 과정은 뇌의 시각영역의 활동을 컴퓨터에서 각각의 할당된 공간에서 조합을 하는 것으로 일어난다고 보시면 됩니다. 말로 설명을 하자면 조금은 복잡하기에, 일단 아래의 그림에서 묘사를 했습니다.

쉬운 이해를 위해서 좀 이해가 어려운 이 '노드'라는 것을 반도체 하나로 묘사를 했습니다. 하지만, 실제로는 신경세포 하나를 칩 하나가 대신 한다고 보기에는 어려운 면이 있지만, 일단 묘사는 그렇게 했습니다. 먼저 사람의 V1시각영역이 하는 일을 대략 입력층이라는 일련의 노드들이 담당을 하고, 여기서 얻어낸 정보는 숨겨진 층이라고 하는 다른 노드로 전달이 되는데, 이는 인간의 뇌에서 시각정보가 2~4차 시각영역으로 전달이 되는 것을 모방한 것입니다.

마지막으로 출력층이라는 노드에 도달하면, 비로소 형태를 인식할 수 있게 되는 것입니다. 그러나 이런 '딥러닝'이 2010년대까지 그렇게 주목을 받지 못했다고 합니다. 그럴 정도로 성능이 좀처럼 나아지지 않았다가 '기계학습'이라는 것이 나오면서 상황이 달라졌다고 합니다. 결국 기계학습과 이 딥 러닝이라는 것은 뗄레야 뗄수가 없는 관계이기는 한데, 포스팅의 내용이 너무 길어진 면이 있기에 이번 포스팅은 여기서 마치도록 하고, 다음 기회에 이 '기계학습'이라는 것에 대해서도 포스팅을 추가로 하도록 하겠습니다.