머신러닝과 딥러닝 그리고 인공지능

차근차근 인공지능, 인프준

 

 

요즘 왜 모든 분야에 인공지능을 붙일까요?

 

인공지능은 뜻을 정확히 모르더라도 수없이 많이 들어본 단어일 것입니다. 100년도 되지 않은 짧은 역사를 가진 분야이지만 2번의 겨울을 거친 이 분야는 알파고가 등장하기 전까지는 영화에서 보거나 들어봤을 것입니다. 하지만 알파고가 등장한 이후, 인공지능은 우리의 삶에 좀 더 친숙하게 자리잡기 시작했고 2016년 3월에 알파고가 등장했으니 불과 5~6년 만에 인공지능, 머신러닝, 딥러닝이라는 단어가 깊숙이 파고들었습니다.

 

경영자의 관점에서는 인공지능은 사실 돈이 되지 못한다는 인식이 있었고 아직도 눈에 띈 성과를 내어 많은 돈을 벌어오고 있다고 말하기는 이릅니다. 인류를 단순하고 위험한 노동에서 해방시켜줄 거라 기대하고 있는 인공지능, 바이두의 연구조직을 이끌었던 연구자이자 전 세계 많은 사람들에게 오픈 플랫폼으로 머신러닝 강의를 무상으로 강의한 선생님인 앤드류 응(吳恩達, Andrew Ng) 박사는 'AI의 사대천왕'에 꼽힙니다. 그는 인공지능은 새로운 시대의 전기(AI is the new electricity)라고 표현하며 인공지능의 미래 가치를 강조했습니다.

 

이처럼 인공지능 분야가 발전해서 홀로 성장하는 게 아닌 인공지능 분야로 인해 모든 산업의 패러다임이 바뀌게 될 것 같습니다. 전기가 발명되기 전에 가마솥에 밥을 짓고 빨래터에서 빨래를 하다가 현재는 전기밥솥과 세탁기가 너무 당연한 시대에 살고 있는 것처럼 말이죠. 가까운 미래에 정말 자율주행이 완성되어 운전이라는 노동에서 벗어나고 휴머노이드 로봇이 나와서 위험하고 단순한 작업에서 해방되게 될 지에 대해서는 의견이 다양합니다. 그렇지만 발전 속도는 정말 기하급수적이라는 것에는 모두 동의하는 의견입니다. 간단하게 인공지능에 개념에 대해서 정의해보겠습니다.

 

 

 

머신러닝과 딥러닝 그리고 인공지능

 

인공지능이란

 

인공지능(Artificial intelligence)은 사람처럼 배우고(learning) 판단(decision)할 수 있는 지능을 연구하는 컴퓨터 공학 분야입니다. 역사는 약 80년 정도 되었고 1943년 워런 매컬러와 월터 피츠가 최초로 뇌의 뉴런 개념을 발표했습니다. 1950년에 앨런 튜링이 인공지능이 사람과 같은 지능을 가졌는지 테스트할 수 있는 유명한 튜링 테스트(Turing Test)를 발표했고 많은 과학자들이 참여한 1956년 다트머스 AI 컨퍼런스에서 인공지능에 대한 장밋빛 전망이 최고조에 도달했습니다. 이때가 인공지능의 태동기라고 합니다.

 

이후 1957년 프랑크 로젠블라트가 로지스틱 회귀의 초기버전으로 볼 수 있는 퍼셉트론을 발표했습니다. 1959년 데이비드 허블과 토르스텐 비셀이 고양이을 이용해 시각 피질에 있는 뉴런 기능을 연구했습니다. 그로 인해 이 두 사람은 노벨상을 수상했고 이때가 인공지능의 황금기였습니다.

 

하지만 모델의 수준에 비해 하드웨어의 성능의 한계로 간단한 문제들만 해결하는 것으로 그치자 첫 번째 AI의 겨울이 도래했습니다. 이 기간에는 인공지능에 대한 연구와 투자가 크게 감소했습니다. 그다음 전문가 시스템(expert system)이 등장했고 다시 AI 붐이 불기 시작했지만 역시 또 한계를 드러내고 두 번째 AI의 겨울을 맞이합니다.

 

두 번의 겨울을 극복하고 인공지능은 다시 각광받기 시작했고 연구자들은 물론 대중들도 큰 관심을 가지기 시작했습니다. 이제 영화와 드라마에서 지능을 가진 기계가 등장하는 것이 흔합니다. 원하는 걸 요청하면 척척 처리해주고 대화가 되는 느낌의 인공지능이 많이 등장하지만 현실에서는 아직 영화처럼 똑똑한 인공지능을 찾아보기는 어렵습니다. 실제로 핸드폰 음성비서나 AI스피커와 대화해보면 아직 부족하다는 걸 느낄 수 있습니다.

 

어벤저스의 등장하는 자비스나 터미네이터처럼 사람과 구분하기 어렵거나 훨씬 뛰어난 컴퓨터 시스템을 인공일반지능 또는 강인공지능_Strong AI이라고 합니다. 반면에 현실에서 우리가 접하는 인공지능은 알파고처럼 바둑만 둘 수 있고 FSD처럼 자율주행만 가능합니다. 이처럼 특정 분야만을 도와주고 보조해주는 역할을 하는 시스템을 약인공지능_Week AI이라고 합니다. 언제 영화 같은 인공지능의 시대가 열릴지는 알 수 없지만 가까운 미래에 도달할 것으로 예측합니다. 과거처럼 세 번째 AI의 겨울이 오게 될지 강인공지능 시대가 열릴지 관심을 가지고 지켜보면 재밌을 것 같습니다.

출처:한양대학교 딥러닝개론 Introduction

 

 

머신러닝이란

 

기계학습, 말 그대로 기계를 학습시켜서 판단할 수 있게 하는 것입니다. 프로그래밍은 데이터와 규칙을 정해주면 그에 따른 동작을 행하거나 답을 내놓습니다. 반면 머신러닝(machine learning)은 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야입니다. 인공지능 분야 중에서 지능을 구현하기 위한 소프트웨어를 담당하는 핵심 분야입니다.

 

아래 이미지에서 개와 고양이 구별이 가능하신가요? 대부분의 사람들이 정확하게 구별이 가능합니다. 하지만 왜 왼쪽이 강아지이고 왜 오른쪽이 고양이인지 명확하게 설명할 수는 없고 그동안의 경험으로 판단합니다. 이렇게 명확한 정답이 없기 때문에 컴퓨터는 구별하지 못합니다. 인간의 경험은 기계에게 데이터입니다. 데이터를 학습하여 이미지를 분석하고 나누기 시작합니다. 몇십 장의 이미지를 주고 학습시키면 귀가 뾰족하면 고양이, 코가 동그랗고 크다면 강아지 이런 식으로 판단하기 시작하고 데이터가 많아질수록 정확해집니다.

 

 

프로그래밍과 머신러닝의 차이

 

머신러닝은 통계학과 깊은 관련이 있습니다. 그래서 통계학에서 유래된 알고리즘이 많이 사용됩니다. 생각해보면 사람도 경험했던 상황과 행동이 쌓여서 익히게 되고 반복적으로 공부한 분야에 지식을 깊게 갖추고 있습니다. 간단하게 예를 들어보면 이렇게 하면 아프다는 게 반복되어 깨닫게 되면 앞으로 피하게 되고 저렇게 하면 행복하다를 알게 되는 순간 반복하게 되는 것처럼요. 이처럼 인간은 많은 경험으로 학습을 하게 되고 경험이 많을수록 판단의 정확도(Model 성능)가 좋아집니다.

 

대표적인 머신러닝 라이브러리로 사이킷런(scikit-learn)이 있습니다. 사이킷런이 있기 전까지는 대부분 폐쇄적인 코드와 라이브러리로 비싼 비용을 지불하고 구매해야 했습니다. 사이킷런과 같은 오픈소스 라이브러리의 발전으로 머신러닝 분야는 폭발적으로 성장하게 되었고 간단한 프로그래밍 개념만 알면 누구나 머신러닝 프로그램을 만들 수 있게 되었습니다. 앞으로 사이킷런을 사용하여 간단한 예제들을 소개하고 코드를 작성해보려 합니다.

 

딥러닝이란

 

많은 머신러닝 알고리즘 중에서 인공 신경망을 기반으로 한 방법들을 통칭하여 딥러닝이라고 부릅니다. 즉 간단히 말하면 사람이 사고하는 방식을 컴퓨터에게 가르치는 것입니다. 국내에서는 2016년 이세돌 9단과 알파고의 대국으로 인해 딥러닝에 대한 관심이 크게 높아졌습니다. 이렇게 발전하게 된 계기는 복잡한 알고리즘을 훈련할 수 있는 풍부한 데이터, 컴퓨터 성능의 향상, 혁신적인 알고리즘 개발 이렇게 세 가지를 꼽을 수 있습니다.

 

 

2012년 말부터 급격히 증가하고 있는 딥러닝에 대한 관심, 참조:Google Trend

 

 

2015년 구글은 딥러닝 라이브러리인 텐서플로우(TensorFlow)를 오픈소스로 공개했습니다. 공개와 동시에 큰 인기를 얻었으며 아직까지 가장 널리 사용되는 딥러닝 라이브러리입니다. 페이스북도 2018년 파이토치(PyTorch)를 오픈소스로 발표했습니다. 두 라이브러리의 공통점은 인공 신경망 알고리즘을 전문으로 다루고 있다는 것과 모두 사용하기 쉬운 파이썬 API를 제공한다는 점입니다. 나중에 이미지 처리 분야에 뛰어난 합성곱 신경망과 순차 데이터 처리에 뛰어난 순환 신경망까지 원리를 터득하고 직접 모델을 구현하면서 예제를 작성해보겠습니다.

 

이외에도 인공지능에 대한 내용들 쉽고 간단하게 앞으로 차근차근 소개해보겠습니다.

 

---

 

참고 서적

 

혼자 공부하는 머신러닝+딥러닝 : 네이버 도서