기계가 사람처럼 변해가는 과정 쉽게 알아보기(지도학습, 비지도학습, 강화학습)

차근차근 인공지능, 인프준

 

 

 

기계가 사람처럼 행동하려면 뭐가 필요할까?

 

인공지능(artificial intelligence)이란 기계가 사람처럼 생각하고 결정하도록 만드는 과학분야입니다. 요즘 주변에서 AI가 붙은 제품을 많이 찾아볼 수 있습니다. 하지만 우리가 꿈꾸고 또 발전시키고 있는 인공지능은 사람과 대화도 나눌 수 있고 요청하면 필요한 것을 제공해줄 수 있는 정말 사람 같은 로봇입니다. 청소와 설거지 그리고 단순 반복 작업 같이 지루하고 귀찮은 일도 해주거나 높은 건물의 창문을 닦는 일, 깊은 탄광에서 오래 일하는 위험한 일들도 대신해주기를 바라죠. 그럼 인간은 단순 노동에서 해방될 수 있다고 기대하고 있습니다.

 

요즘 주변에서 AI란 키워드는 정말 쏟아지고 있지만 아직 영화에서 보던 인공지능과는 한참 떨어지는 수준입니다. AI스피커를 이용하고 계신 분들은 대화해보면 답답하고 바보같이 느껴지기도 하실 겁니다. 근데 하루하루 나아지고 있다는 것도 느껴지실 거예요. 왜 오래전부터 영화에서 나오던 터미네이터나 Her(그녀)에서 처럼 기계는 똑똑하지 못할까요? 먼저 기계가 사람처럼 변해가는 과정을 알아볼게요

 

만약 지금 옆사람이 "물 한잔만 부탁해도 될까?"라고 한다면 저는 일어서서 물을 떠서 가져다줄 거예요. 이렇게 행동하기 위해서 두뇌와 경험 그리고 신체가 필요해요. 신체에 대해서는 차차 알아보도록 하고 오늘은 먼저 두뇌와 경험에 대해서 알아볼게요.

 

우리는 태어났을 때 물이 무엇인지 몰랐어요. 성장하는 과정에서 언제 깨달았고 어떻게 배웠는지 기억이 없지만 물이 무엇인지 자연스럽게 알게 돼요. 물도 바닷물, 강물, 수돗물, 마시는 물 등 정말 여러 가지가 있어요. 바닷물은 짜고 마실 수 없다, 생수는 마시는 물이다. 이렇게 깨닫기 위해 어릴 적 바닷물도 모르고 마셔서 쓴맛을 느껴보고 물을 오래 먹지 않아 갈증도 느끼는 식으로 여러 가지 배움과 경험을 하면서 우리의 두뇌에 저장되게 됩니다. 이러한 반복된 경험으로 어떤 물인지 따로 요청하지 않아도 물 한잔만 달라고 하면 자연스럽게 마실물을 떠야지라고 생각하게 되죠.

 

사람과 마찬가지로 기계도 생각을 하려면 배우며 경험(데이터)하고 두뇌에 저장(모델)되어야 해요. 사람처럼 바닷물도 알려주고 생수도 알려주고 나아가서 물을 왜 마셔야 하는지 물을 어떻게 구해야 하는지도 알려줘야 사람처럼 발전시킬 수 있죠. 기계를 가르치고 경험시켜주는 즉 기계가 학습하는 몇 가지 방법이 있습니다. 무엇이 있고 어떤 방식으로 하는 걸까요?

 

 

 

기계가 배우는 방법들

 

기계가 생각을 하려면 모델과 데이터가 필요합니다. 오늘은 어려운 모델 이야기는 생략하고 데이터를 학습하는 과정만 쉽게 풀어볼게요. 정말 똑똑한 인재에게 사칙연산만 가르치는 것보다 평범한 사람에게 다양한 경험을 시켜주는 것이 훨씬 더 생산성이 높은 것처럼 아무리 좋은 모델이 있어도 모델을 학습시킬 방법과 데이터가 중요합니다. 모델의 수준이 많이 발전하면서 데이터의 중요성은 더욱더 강조되고 있습니다. 기계가 배우기 위해서 많은 데이터(Big Data)가 필요하지만 그중에서도 좋은 데이터(Good Data)를 활용해서 학습시키는 것이 매우 중요합니다.

 

 

지도 학습_Supervised Learning

 

지도 학습이란 말 그대로 지도해서 학습하는 방법입니다. "푸들 사진은 강아지고 페르시안 사진은 고양이야"라고 기계에게 알려주는 식이죠. (푸들 사진이 푸들이라고 명시해두는걸 라벨링_labeling이라고 해요.) 여기서 푸들 사진과 페르시안 사진을 기계에게 보여주는 과정이 경험(데이터)에요. 이외에도 말티즈, 시츄, 진돗개 등등 경험을 많이 할수록 강아지와 고양이를 분류하는 정확도는 올라갑니다. 고양이와 강아지를 많이 보고 연구한 전문가가 더 세부적으로 분류할 수 있는 것처럼요. 이렇게 정답이 있는 데이터를 주고 훈련시키는 방법을 지도 학습이라고 합니다.

 

 

 

비지도 학습_Unsupervised Learning

 

비지도 학습은 정답을 알려주지 않고 기계가 알아서 학습해보는 방법입니다. 강아지 사진 100장, 고양이 사진 100장을 보여주고 알아서 분류하면서 경험해보라고 하는 거죠. 정답이 없기 때문에 지도학습보다 더 난이도가 높습니다. 기계가 강아지와 고양이를 정확하게 분류할 수도 있겠지만 보통 처음에는 색깔이 비슷한 것들끼리 분류할 수도 있고 생김새나 크기가 비슷한 사진끼리 분류할 수도 있습니다. 이렇게 주어진 데이터에서 알아서 특징을 뽑아내고 그걸 기준으로 분류해내는 종류(클러스터링_Clustering)가 가장 대표적인 비지도 학습 방법이에요. 실무에서 데이터 묶음에서 특징을 뽑아내기 위해서 전 처리할 때 사용하기도 합니다. 이렇게 정답이 없는 데이터를 훈련하는 과정을 비지도 학습이라고 합니다.

 

 

 

 

강화 학습_Reinforcement Learning

 

강화 학습은 지도 학습 또는 비지도 학습을 통해 생각을 시작한 기계의 가치를 좀 더 극대화시키는 방법이에요. "이건 잘했고 이건 못했어"라고 알려주면서 성장시키는 과정이죠. 강아지 사진을 보고 고양이 사진이라고 생각하면 그건 틀렸다고 혼내주기도 하고 구분하기 어려웠을 사진을 보고 강아지라고 정확하게 맞췄을 때 잘했다고 칭찬해주면서 점점 더 발전시키는 방법이에요. 

 

알파고와 알파스타, 출처:한양대학교 로봇인공지능 강의

 

우리가 친숙하게 알고 있는 알파고와 알파스타도 강화 학습을 통해서 성장했어요. 수없이 경기를 반복하면서 깨닫고 어떤 방법이든 승리할 수 있도록 훈련하게 됩니다. 사람과 마찬가지로 가장 적합한 행동을 하기 위해서는 수많은 시행착오가 필요합니다. 풍부한 경험을 할수록 최적의 행동을 하기 쉬워지죠.

 

 

 

이 처럼 기계가 배우는 과정을 최대한 쉽게 설명해 보았어요. 앞으로는 좀 더 깊고 넓게 알아가는 시간도 가져보겠습니다.

 

 

---

 

 

https://aiday.tistory.com/32

머신러닝과 딥러닝 그리고 인공지능