[Deep Learning] 딥러닝이란?

인공지능(Artificial Intelligence) : 사람의 지능을 만들기 위한 시스템이나 프로그램

 

1. 강 인공지능(strong AI) - 사람과 구분이 안될 정도로 강한 성능을 가진 인공지능 

2. 약 인공지능 (weak AI) - 특정 영역에서 작업을 수행하는 인공지능

                                - ex.Tesla의 자율주행자동차, 구글의 인공지능 스피커 Google Home,등

                                - 머신러닝, 딥러닝

 

인공지능, 머신러닝, 딥러닝의 관계

머신러닝이란?

 

1. "학습" / "훈련" 을 한다. ( 데이터의 규칙을 컴퓨터 스스로 찾아 수정한다. )

 

   (1) 지도학습(supervised learning)

        (훈련데이터 = 입력 + 타깃) 

        (입력 : 모델이 풀어야 할 일종의 문제 같은 것)

        (타깃 : 모델이 맞춰야 할 정답과 같은 것) 

        (모델 : 학습을 통해 만들어진 프로그램) - 후에 자세히 설명

        입력과 타깃으로 모델을 훈련시킴 (= 문제에 대한 답을 주는 방법으로 모델을 훈련시킴)

        ex. 내일의 날씨 예측, 스팸 이메일 분류, 등

        - 훈련 데이터 생성에 많은 시간 소요

 

   (2) 비지도학습(unsupervised learning)

        타깃이 없는 훈련 데이터 사용

        ex. 군집(clustering) - 기업이 고개의 소비성향에 따라 그룹 지정

        - 모델의 훈련결과를 평가하기 어려움

 

   (3) 강화 학습(reinforcement learning)

        머신러닝 알고리즘으로 에이전트 훈련

        -> 훈련된 에이전트 : 특정 환경에 최적화된 행동 수행, 수행에 대한 '보상'과 '현재상태'를 받음

       에이전트의 목표 "최대한 많은 보상을 받는 것" 

       대표적 알고리즘 : Q-learning, SARSA, Deep Q Network, 등

       ex. DeepMind, AlphaGo, 등과 같은 게임이나 온라인 광고, 등

 

2. 스스로 "규칙"을 찾는다. 

       대부분의 머신러닝 알고리즘은 훈련 데이터와 규칙의 관계를 식으로 표현 가능

       ex. 1.5 * x + 0.1 = y (y가 1 이상이면 A 실행) 

            x는 입력, y는 타깃, 1.5가중치, 0.1 절편 

            규칙 : 가중치(입력과 곱하는 수) & 절편(입력과 더하는 수)

       딥러닝은 많은 (10만, 100만)의 가중치와 절편을 가짐

 

3. 모델은 머신러닝의 수학적 표현

       앞에 예시로 든 수학식이 모델

       모델 : 훈련 데이터로 학습된 머신러닝 알고리즘

       모델 파라미터(model parameter) = 모델 + 가중치 + 절편

 

4. 손실 함수로 모델의 규칙을 수정한다.

        이전에 만든 모델에 새로운 입력과 출력을 넣었을 때 실제 타깃값과 맞지 않은 경우가 생김

        -> 모델의 규칙(가중치, 절편) 을 수정해야함

        손실 함수 (loss function) : 모델의 규칙을 수정하는 기준이 되는 함수

        최적화 알고리즘 : 손실 함수의 최솟값을 효율적으로 찾는 방법

 

딥러닝이란?

-복잡한 문제를 해결하기 위해 인공신경망(artificaial neural network)을 다양하게 쌓은 것

 

1. 딥러닝은 인공신경망으로 구성된다

         인공신경망을 여러 겹 쌓으면 위와 같은 모양이 되는 데 이것이 "딥러닝" 임

         딥러닝 ≠ 사람의 뇌

 

2. 딥러닝은 머신러닝이 처리하기 어려운 데이터를 더 잘 처리한다.

         "처리하는 데이터" - 머신러닝 vs 딥러닝

          머신러닝 : 데이터베이스, 레코드 파일, 엑실/CSV, 등에 담긴 정형 데이터 처리 

          딥러닝 : 이미지/영상, 음성/소리, 텍스트/번역 등의 비정형 데이터 처리 ('인지'와 관련된 문제 해결)