딥러닝 기술이란 무엇인가
[객원 에디터 3기/ 강동균 기자] 딥 러닝 (Deep Learning)은 기계 학습의 대표적인 한 분야로, 수많은 학습 데이터를 주입하여 오랫동안 학습 후 실제 문제에 적용하는 기술이다. 대표적인 예시로는 많은 사람이 알고 있는 바둑에서 이용되어 여러 가지 활약을 보여주는 알파고를 들 수 있다. 컴퓨터가 사람의 도움 없이 스스로 인지하고 판단할 수 있기 때문에 자동화 기술에이용할 수 있다는 큰 장점이 있다.
오늘날 정보 기술의 발달로 검색 엔진, SNS, 커뮤니티 등 사람들이 여러 웹 서비스를 이용함으로써, 그로 인한 어마어마한 데이터가 쌓였다. 그뿐만 아니라, 효율적으로 저장할 수 있는 디스크의 발달로 정보를 더 쉽고 저렴한 방법으로 많이 모을 수 있게 되었다. 그렇기 때문에, 이 방대한 양의 데이터를 효과적으로 사용할 수 있는 딥 러닝 기술은 많은 사람에게 주목받고 있다. 또한, 이 기술의 성능은 학습을 거쳐 크게 향상함에 따라, 각각의 분야에서 사용할 수 있는 여러 가지 모델들을 구체적으로 설정할 수 있게 되었다. 여기서 대표적인 모델로는 ANN, CNN, 그리고 RNN 등이 있다.
딥 러닝 기술의 대표적인 모델인 ANN (Artificial Neural Network)은 인간의 시신경 구조를 참고해서 정보를 처리하는 모형이다. 인간의 뇌처럼 어떠한 신호나 자극 등을 받고, 그 자극이 전달되면 결괏값을 도출한다. 우리 뇌와 같이 인공 뉴런을 가지고 있어서, 정보를 받아들임과 동시에 수많은 수학적 처리를 통해 정보를 출력한다는 장점이 있다. 인공지능 뉴스(AItimes)에 따르면, UNIST 연구팀이 이 모델을 이용하여 소음 환경에서도 95%의 정확도로 사람 목소리만 필터 후 인식 가능한 인공 피부 기술까지 개발했다고 한다. 연구팀은 “다양한 가상현실 (VR), 증강현실 (AR), 사물 인터넷 (IoT) 기술에 쓸 수 있을 것”이라고 기대했다.
또 다른 모델로는 영상이나 사진을 판독하는 역할을 가지고 있는 CNN (Convolutional Neural Network)이 있다. 이미지를 인식하는 패턴을 스스로 찾을 수 있으며, 데이터를 학습하여 이미지를 분리한다. 마치 실제 사람이 여러 가지 이미지를 보고 직접 분리할 수 있는 것과 비슷하다. 이를 토대로 엄청난 양의 학습을 이른 시간 안에 도출할 수 있다는 장점이 있다. 그렇기 때문에 수천 개가 넘는 분야에 활용되는데, 대표적으로는 멸종 위기에 빠진 동물들을 종류별로 분류함으로써 사진을 통해 연구하는 데 쓰이기도 한다.
마지막으로, RNN (Recurrent Neural Network)이 있다. 이 모델은 자연어와 기계어 데이터 등 연속성이 있는 데이터를 다룰 때 사용한다. 쉽게 말하면 정보를 통해 얻은 현재 결과와 이전 결과가 연관성을 가지고 있다는 것이다. 이 모델 내부에는 순환구조가 들어있어, 이것을 이용하여 과거의 학습을 반영하여 현재의 학습을 반복한다. 그래서 어떠한 텍스트성 정보의 앞뒤 성분을 파악할 때 유용하게 이용된다.
이렇듯 여러 가지 종류의 딥 러닝 기술이 있지만, 한계점도 동시에 존재한다. 여러 가지 정보를 습득해야 하므로, 그 정보를 정리하고 학습하는 시간이 느릴 수 있으며, 또한 학습 과정에서 오류가 있으면 잘못된 값을 학습하므로 궁극적인 목적을 달성하는 데 어려움이 있을 수도 있다.
또한 이 기술의 난도가 높은 만큼, 응용하거나 상용화시키기엔 어려움이 있다는 단점도 있다. 예를 들면, 자율주행 자동차가 구조적 문제로 인하여 급발진을 하여 사고를 일으킨 사례도 있으며, 특정 텍스트를 자동으로 생성할 때의 버그가 발생한 예시도 있다.
하지만, 딥 러닝 모델에 관한 연구는 활발하게 진행되고 있으며, 응용을 통하여 이미 다양한 분야에서 적용되고 있다. 이를 통한 기계 학습은 기본 인공지능보다 우수한 성능을 가지고 있으며, 그 발전 가능성도 무궁무진하다. 이 기술은 점점 더 많이 생성되는 데이터를 효과적으로 처리하고, 중요한 지식을 추출하여 최적화된 의사 결정에 도움을 주는 방향으로 발전될 수 있을 것이다.
