[인공지능] 딥러닝

인공지능, 머신러닝, 딥러닝

인공지능은 1950년대부터 나왔으나 기술적인 한계가 있었음. 머신러닝이 각광받기 시작한건 90년대임. 특히 80년대에 인터넷이 소개되면서 다양한 대중들의 정보를 가져올 수 있었고 이를 통해 어떤 서비스를 만들지 고민하면서 발전함. 딥러닝은 2010년부터 각광받았다. 특히, 우리에게 딥러닝이 다가왔구나라고 느낄 수 있었던 건 알파고가 나왔을 때였다.

CNN 알고리즘의 경우, AlexNet 기법이 기존의 성능을 상당히 향상시켜서 많은 관심을 받기 시작하였다.

특히 영상 인식, 음성 인식, 언어 인식과 같은 비정형 데이터에 대해서 딥러닝 연구가 활발하다.

딥러닝 개요

• 딥러닝은 심층 신경망 기법을 통해서 결과를 만들어 내는 것.

• 딥러닝은 인간 뇌의 학습과 기억의 메커니즘을 모방한 것이다.

  • 딥러닝은 연결을 통한 학습의 강화이다.

딥러닝이 학습하는 것

딥러닝은 입력 데이터가 주어졌을 때 답을 유추해 줄 수 있는 최적의 함수를 찾는 것이다.

함수는 $f(x) = W_0 + W_1X_1 + W_2X_2 + \cdots + W_n*X_n$이므로 결국은, 최적의 가중치 $W$를 찾는 것이고 딥러닝이 학습하는 것은 바로 가중치 $W$이다!

다른 머신러닝 vs 딥러닝

딥러닝 장점

• 매우 유연하고 확장성 있는 모델 구성
  • CNN, RNN, GAN, 강화 학습 등
  • 과거에는 최적화 하기 어려운 문제들을 Deep learning 기반으로 모델링 수행
• 다양한 영역에서 활용
  • 영상, 음성 , 자연어와 같은 다양한 영역의 최적화 문제 해결

딥러닝 단점

• 매우 많은 컴퓨팅 연산 필요
  • GPU등의 고가 하드웨어 필요.
• 지나치게 고차원의 최적화 유도
  • 정형 데이터에서 큰 성능 향상이 어렵다.

스스로 Feature Extraction을 생성하는 딥러닝

기존에는 얼굴이 얼마나 둥근지, 눈과 눈사이가 얼마나 먼지, 코의 너비 등등 이런 특성들을 뽑아내서 svm, random forest 등등 선택해서 학습을 진행한다.

딥러닝은 특히 CNN의 경우, 이미지 필터를 통해 Feature의 특성을 학습을 해서 해당 모델에 맞는 Feature를 뽑아준다. 또한 성능도 훨씬 좋다. (스스로 Feature Extraction을 생성한다.)

참고 자료

딥러닝 CNN 완벽가이드

스스로 Feature Extraction을 생성하는 딥러닝 이미지 출처