|
|
|
|
인공지능시대(49): 인공지능의 심화학습
|
|
2021년 12월 10일 [주간문경] 
|
|
|
| 
| | | ↑↑ 지홍기
영남대학교 명예교수
문경대학교 특임교수
문경시지역발전협의회 의장 | ⓒ (주)문경사랑 | |
심화학습이란?
심화학습(Deep Learning)은 기계학습의 한 기법으로, 여러 층을 가진 신경망 모델을 사용하여 층을 학습하는 기법이다. 즉, 입력층(Input Layer)과 출력층(Output layer) 사이에 여러 개의 은닉층(Hidden Layer)으로 이루어진 인공신경망으로, 생성자와 판별자 두 모형을 경쟁적으로 학습시켜 새로운 자료를 생성하는 비지도 학습 기반 생성 모형의 일종이다.
심화학습의 구성
심화학습은 크게 학습단계와 테스트 단계로 구분된다.
먼저, 학습단계는 학습 데이터 셋(Set)으로 네트워크를 학습하는 것이 목적이며, 학습을 위해 학습 입력 데이터를 넣어주고 출력을 낸다. 출력과 실제 정답을 비교해 얼마나 틀렸는지에 대한 손실함수(loss)를 내고, 손실 값을 최적화 기법을 이용해 줄이는 방법으로 네트워크를 학습한다. 이 과정을 반복하다 보면 네트워크가 양질의 네트워크가 된다.
다음으로, 테스트 단계는 학습된 네트워크를 테스트 단계에 사용한다. 테스트 단계에서는 학습에 쓰이지 않은 데이터를 사용해 학습된 네트워크에 통과시키고, 평가 지표를 활용해 네트워크가 좋은지를 평가하게 된다.
| 
| | ⓒ (주)문경사랑 | |
심화학습의 종류
순환신경망: 순환신경망(RNN)은 시계열 데이터와 같이 시간의 흐름에 따라 변화하는 데이터, 앞 뒤 데이터 간 연관성이 있는 데이터 셋을 학습하기 위한 인공신경망이며, 주로 글자나 문장 완성, 음성인식 및 번역시스템, 주식 예측 시스템에 사용 은닉층에서 활성함수로 나온 값을 출력층 방향으로 내보내며, 다시 은닉층 다음 계산의 입력 값으로 사용된다.
강화학습: 강화학습(Reinforced Learning)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중에서 보상을 최대화하는 행동을 선택하는 방법이다. 즉, 게임이론, 제어이론, 응용과학, 정보이론 및 시뮬레이션 기반의 최적화 등의 분야에서 널리 이용되고 있다. 이는 입출력 쌍으로 이루어진 훈련 집합이 제시되지 않으며, 잘못된 행동에 대해서도 명시적으로 정정이 일어나지 않는 점이 일반적인 지도학습과 다르다.
생성적 적대 신경망: 생성적 적대 신경망(Generative Adversarial Network: GAN)은 생성자와 식별자가 서로 경쟁하며 데이터를 생성(Generative)하는 모델(Network)을 뜻하며, 만들어진 인물 사진을 평가하는 것을 구분자(Discriminator)라 한다. GAN은 비지도 학습에 사용되는 인공지능 알고리즘으로, 생성자와 식별자가 서로 경쟁하여 데이터를 생성하는 모델의 생성자와 구분자가 서로 대립하며, 서로의 성능을 점진적으로 개선해 나가면서 학습이 진행되는 방식이다.
심화학습의 진화
1943년 매컬럭(Warren McCulloch)과 월터 피츠(Walter Pits)로 부터 시작된 인간 두뇌에 관한 최초의 논리적 모델링이 심화학습의 출발점이다. 그러나 기술적 난제 앞에서 두 차례 AI의 빙하기를 거쳐서 본격적으로 심화학습이라는 용어를 사용한 것은 2000년대 초반이며, 제프리 힌튼 교수가 가중치(Weight)의 초기값을 설정하면 심층 신경망 학습이 가능하다는 것을 확인하면서 전환기(Turning-point)를 맞게 된다.
드디어 2012년 AlexNet 기반의 심화학습 기반 알고리즘으로 84.7%의 정확도를 보이면서 심화학습이 주목받게 되었으며, 지속적인 하드웨어의 발전으로 심화학습에서의 복잡한 행렬 연산에 소요되는 시간이 획기적으로 단축되어 새로운 밀레니엄시대(New Millennium Era)에서 인공지능이 진화하고 있다.
|
|
|
|
|
|
|
|
|
|
|
|
!! 타인의 명예를 훼손하거나 개인정보를
유출하는등 법률 및 신문사 약관에 위반되는
글을 삼가하여 주시기 바랍니다.
게시물에
대한 민형사상의 법적인 책임은 게시자에게
있으며 운영자에 의해 삭제되거나 관련 법률에
따라 처벌 받을 수 있습니다.
|
|
|
홈페이지관리자 기자 .
“주간문경을 읽으면 문경이 보인다.”
- Copyrights ⓒ주간문경.
무단 전재 및 재배포 금지 -
|
|
|
|
 주간문경
기사목록 | 기사제공 : 주간문경
|
|
|
|
|
|
|
|
실시간
많이본
뉴스
|
|
|
|
|
사설
커뮤니티
