[4편] 딥 러닝(Deep Learning, DL) 개념 및 주요 알고리즘 소개

목 차

1. 딥 러닝 (Deep Learning, DL) 개념
2. 딥 러닝(Deep Learning, DL) 등장 배경
3. 딥 러닝(Deep Learning, DL) 주요 알고리즘
4. 딥 러닝 (Deep Learning, DL) 실제 적용 사례

 

1. 딥 러닝 (Deep Learning, DL) 개념 및 인공지능(AI)과 머신러닝(ML)과의 관계

1.1 딥 러닝(Deep Learning) 개념

사람의 개입이 필요하지 않은 능동적인 비지도 학습(Supervised learning)과 결합되어 컴퓨터가 마치 사람처럼 스스로 학습할 수 있는 인공지능 기술을 말합니다.

본질적으로 딥 러닝(DL)은 인공 신경망(ANN, Artifical Neural Networks)에 기반한 일련의 기계 학습의 집합체로 컴퓨터에게 사람의 사고방식을 가르치는 알고리즘이며 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시키는 것을 말합니다.

딥 러닝(Deep Learning) 개념도

 

1.2 딥 러닝(Deep Learning)과 인공지능(AI) 및 머신러닝(ML)과 개념 비교

구분	개념
인공지능(AI)	인간의 인지, 추론, 판단의 사고 과정에서 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술을 말함
머신러닝(ML)	컴퓨터가 수 많은 데이터를 스스로 학습하고 알고리즘을 통해 학습의 결과를 도툴하는 인공지능 한 분야의 학습법을 말함
딥러닝(DL)	고도화된 신경망 알고리즘을 적용해 보다 빠르게 감성적이며 인간과 유사하게 행동하는 컴퓨터 프로그램을 구현한 학습법을 말함

인간의 지능을 기계로 구현한 것이 인공지능(AI)이며 인공지능(AI)을 구현하는 구체적 접근방식을 머신러닝(ML)이라고 말할 수 있으며 완전한 머신러닝(ML)을 실현하는 구체적인 기술을 딥러닝(DL)이라고 말할 수 있습니다. 

 

그리고 위 개념적 차이를 바탕으로 해서 인공지능(AI), 머신러닝(ML), 딥러닝(DL) 과의 관계를 도식화해서 표현하면, 아래 그림과 같이 표현할 수 있습니다.

인공지능(AI), 머신러닝(ML), 딥러닝(DL) 과의 포함관계

 

2. 딥 러닝(Deep Learning, ML) 등장 배경

인공 신경망(ANN) 모델의 단점 극복

과적합(Overfitting) 문제 해결했지만 느린 학습 시간이 줄어들지 않는 문제 발생(CNN, RNN 기술 진화)

 

하드웨어의 발전

GPU(Graphics Processing Unit)는 복잡한 매트릭스와 벡터 계산이 혼재해 있는 경우 몇 주 걸리던 작업을 며칠 사이로 줄이는 등 최고의 성능을 발휘(GPGPU, CuDA 개발)

 

빅 데이터(Big Data)

대량으로 발생되는 빅 데이터 발생으로 인한 수집 및 분류를 통한 종합적인 분석 필요

 

3. 딥 러닝(Deep Learning, ML) 주요 알고리즘 

딥 러닝에서 사용되는 주요 알고리즘에는 CNN, DNN, RNN 등이 대표적으로 사용됩니다.

알고리즘	설명
심층 신경망(Deep Neural Network, DNN)	인공 신경망(ANN)의 일종으로 입력층(Input layer), 은닉층(Hidden layer), 출력층(Output layer)으로 구성된 계층구조
합성곱 신경망(Convolutional Neural Network, CNN)	다계층 퍼셉트론(Multi-layer Perceptron)의 일종으로 가중치와 통합 계층을 추가로 활용하여 2차원으로 구성된 계층구조
순환 신경망(Recurrent Neural Network, RNN)	인공 신경망(ANN) 구성하는 유니트 사이 연결이 Direct Cycle로 구성된 계층구조
제한 볼츠만 머신(Restricted Boltzman Machine)	볼츠만 머신에서 층간 연결을 제거한 형태의 모델
심층 신뢰 신경망(Deep Belief Network, DBN)	기계학습(ML)에서 사용되는 그래프 생성 모델

 

4. 딥 러닝 (Deep Learning, DL) 실제 적용 사례

패턴 인식

기계에 의한 도형, 문자, 음성 등을 식별

자연어 처리

인간이 쓰는 보통 언어를 컴퓨터가 인식하여 식별

데이터 마이닝

빅데이터 중에서 실행 가능한 정보를 추출

시멘틱 웹

논리적 추론이 가능한 웹 구현

 

다음 포스팅 [5] 편에서는 딥러닝의 알고리즘 중에 합성곱 신경망 CNN (Convolutional Neural Network)에 관해서 더 자세히 알아보는 시간을 갖도록 하겠습니다.