◉ 데이터와 최적화
◉ 최적화 모형과 해법
◉ 인공지능과 최적화
딥러닝의 개념에 대해 살펴보고 머신러닝과의 차이점에 대해 넓은 맥락에서 이해 하고자 한다.
이를 위해 기계 학습의 개념 및 기계학습의 발전 과정에 대해 개력적으로 설명하고, 딥러닝의 실제 적용 사례들을 살펴본다.
주요 용어
기계학습의 정의
- “경험의 결과로 나타나는, 비교적 지속적인 행동의 변화나 그 잠재력의 변 화, 또는 지식을 습득하는 과정 "
- “어떤 컴퓨터 프로그램이 T라는 작업을 수행한다. 이 프로그램의 성능을 P라는 척도로 평가했을 때 경험 E를 통해 성능이 개선된다며 이 프로그램은 학습을 한다고 말할 수 있다”
기계학습 방식을 간단히 요약하자면 인식할 대상을 컴퓨터에 일일이 설명하려는 대신 데이터를 충분히 수집하여 입력하면 기계 학습 알고리즘은 데이터를 이용하여 스스로 학습해 높은 성능을 보장하는 인식 프로그램을 자동으 로 만든다고 할 수 있다.
- 인공지능의 정의
인공지능은 인간의 지능이 가지는 학습, 추리, 적응, 논증 따위의 기능을 갖춘 컴퓨터 시스템이라 할 수 있다. 인공지능은 크게 두가지 부류로 나누어 생각해 볼 수 있는데, 강한 AI 와 약한 AI이다. 강한 AI는 다양한 지능의 복합체로 흔히 우리가 상상하는 인공지능을 뜻한다고 할 수 있다. 이에 반해 약한 AI는 한가지의 지능에 특화된 인공지능으로 현재 우리가 접할 수 있는 대다수의 AI 서비스들이 이에 속한다고 할 수 있다.
- AI 와 머신러닝, 딥러닝의 관계
먼저 인공지능은 앞에서 설명드린 강한 AI를 포함하는 최상위 개념이라고 할 수 있다. 이에 반해 머신 러닝은 인공지능을 구현해 내려는 수많은 갈래 중 하나의 학술적인 영역을 의미한다고 할 수 있고 딥러닝은 이러한 머신러닝 중 Neural Networks 을 활용해 학습 알고리즘을 구현하고 문제를 해결하려고 하는 한 분야를 의미한다고 할 수 있다.
- Key of Deep Learning
딥러닝의 키 포인트는 abc로 표현할 수 있다. 먼저 a는 알고리즘 깊게 쌓을 수 있는 뉴럴네트워크의 발전이라고 할 수 있다. 그리고 b는 big data, 학습을 위한 방대한 양의 데이터가 생성되고 적재되어 사용될 수 있는 시대가 된것도 딥러닝 성공의 키포인트라고 할 수 있다. 그리고 마지막으로 c는 컴퓨팅 파워인데, gpu 그리고 멀티 코어 cpu들, 거대한 메모리들 등이 또 하나의 축이 라고 할 수 있다.
정리
1. 딥러닝은 입력과 출력 사이에 여러 계층의 노드가 있는 신경망(Neural Networks)을 의미한다.
2. 딥러닝을 일반적인 머신 러닝의 한 범주이나 일반적인 머신러닝과는 다르게 데이터를 기반으로 Representation을 학습하는 알고리즘이라 할 수 있다.
3. 딥러닝은 Computer Vision, NLP 등 다양한 분야에서 인간에 준하는, 또는 인간을 넘어서는 성능을 보이고 있다.