안녕하세요.오늘은 요즘 엄청난 추세인 인공지능에 대해서 알아볼까 합니다.이제 우리가 움직이지 않고 인공지능으로 편리하게 삶의 가치를 올리게 되겠지만 점점 일자리가 줄어들 수 있다는 것이 유일한 단점이지 않을까 싶은데요
여기서 인공지능이란 무엇일까요?인공지능의 사전적인 의미는 ‘인간의 지능으로 할 수 있는 사고 학습 자기 개발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보 기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것’입니다.
인공지능 이란 무엇일까?
이렇게 인공지능이 인기가 뜨거워지면서 딥러닝(Deep Learning)도 같이 인기가 많아지고 있는데요.그 이유는 인공지능이라고 하면 딥러닝을 떠올리는 사람이 많기 때문입니다.그런데 여기서 알아야 할 사실은전통적인 머신러닝은(데이터 사이언스 또는 데이터 분석을 위한)기법을 포함하는 단어입니다.
인공지능을 쉽게 정의하면 ‘컴퓨터가 데이터를 이용해 학습할 수 있도록 하는 기술’이라 할 수 있습니다.이에는 머신러닝, 딥러닝이 모두 포함돼 있습니다.이제 인공지능 사례에 대해서 몇 가지 알려드리겠습니다.첫 번째 이미지 분류 인간이 이미지를 분류하는 성능은 약 95% 정도로 알려져 있습니다.이런 인간의 능력을 따라 잡기 위해 2010년부터 인공지능 모델을 구축해 이미지를 분류하는 대회가 열렸습니다.2010년에 우승했던 모델의 분류 성능은 약 72%입니다. 많은 연구자가 어떻게 하면 인간 또는 그 이상으로 이미지를
분류하는 성능을 낼 수 있을까 고민한 결과 2015년에 ‘ResNet’이라는 모델이 약 96%의 성능을 기록하면서 인간의 능력을 뛰어넘기 시작했습니다.이때부터 성장세가 더 크게 작용하지 않았나 싶습니다.그 후 딥러닝 모델도 같이 발전하고 있습니다.이제는 단순히 이미지를 분류하는 것을 넘어 다양한 분야와 방식으로 발전하고 있습니다.
이미지를 분류할 때 많은 데이터가 필요한 딥러닝 모델의 단점을 극복하고자 어떻게 적은 데이터로 높은 성능의 모델을 만들 수 있을지,어떻게 하면 더욱 강건한(Robust) 모델을 만들 수 있을지,
어떻게 하면 학습 데이터 내에 있는 Noise 데이터를 걸러낼 수 있을지 등에 대한 다양한 연구가 이뤄졌습니다.
두 번째 객체 탐지입니다.객체 탐지(Object Detection)는 어떤 이미지 및 비디오 속에 포함돼 있는 물체에 대해 해당 물체가 어떤 물체인지를 분류하는 문제와 물체의 위치를 찾아내는 문제입니다.딥러닝 모델이 다량의 이미지 및 비디오 데이터를 활용해 이미지 및 비디오 내 특정 물체의 위치 정보를 X, Y 좌표값과 해당 물체의 크기인 Width, Height 값을 레이블 정보로 이용해 학습합니다.
연구자들은 (X, Y, W, H) 정보를 보통 ‘Bounding Box’라고 표현합니다.객체 탐지 기술은 최근 뉴스에서도 소식이 들려오는 자율주행 자동차 CCTV 등과 같은 카메라 기술을 바탕으로 개발되고 있는 제품 및 서비스에 도입되고 있으며 현재 다양한 연구가 진행되고 있습니다.
세 번째 텍스트입니다.텍스트(Text) 분야에서의 딥러닝 적용 또한 꾸준히 연구되고 있습니다.텍스트 분야는 세부 Task로 나뉘어 연구가 진행됐는데 대표적인 예로는 다음과 같은 것을 들 수 있습니다.
§ 기계 번역(Machine Translation)
§ 문장(또는 문서) 분류(Sentence Classification)
§ 질의 응답 시스템(Question & Answer System, Q/A)
§ 개체명 인식(Named Entity Recognition, NER)
이미지 영역에서는 딥러닝 모델이 인간보다 좋은 성능을 보이는 모습을 보인 반면, 텍스트 분야에서는 인간의 성능을 따라잡기 어려웠습니다.텍스트 Task는 이미지에 비해 배경 지식이 요구된다는 것이 어려운 점이었고 주로 사용한 순환 신경망(Recurrent Neural Network, RNN) 계열의 모델 한계 역시 해결해야 할 문제 중 하나였습니다.
하지만 2017년 구글이 발표한 <Attention Is All You Need>라는 논문의 ‘Transformer Module’ 연구를 시작으로 이와 관련된 모델이 활발히 연구되기 시작했고 인간의 성능을 넘어서는 ‘Language Model’이 개발되기 시작했습니다.그리고 최근의 학계에서는 다양한 분야의 추가 연구 산업계에서는 이와 관련된 서비스나 제품 연구가 활발히 이뤄지고 있습니다.
마지막 알파고 입니다.정말 떠들썩할 정도로 숨죽여 보았고 모두 상대가 안된다며 생각했지만 결과는 180도 달랐는데요.딥러닝 또는 강화학습(Reinforcement Learning)이라는 말은 들어보지 못했더라도 알파고라는 말은 들어봤을 것입니다.‘알파고(Alphago)’는 구글(Google)의 딥마인드(DeepMind)사가 개발한 인공지능 바둑기사로, 2016년 한국의 이세돌 기사와 대국해 4승 1패로 승리하면서 세상을 놀라게 했습니다.
이 알파고의 기본 원리는 강화학습으로 현재 상태(바둑판)에서 어떤 행동(수)을 취해야 먼 미래에 보상이 최대(승리)가 될 것인지를 학습하는 알고리즘입니다.이는 엄청난 시뮬레이션도 필요합니다.하지만 바둑의 경우의 수는 거의 무한대에 가깝기 때문에 인공지능이 바둑을 두기는 어렵다는 게 많은 전문가의 의견이 있었지만 딥마인드는 이 강화학습 알고리즘과 딥러닝을 통해 문제점을 해결하기에 이르렀습니다.
마무리
처음에는 학습해야 할 경우의 수를 줄이기 위해 바둑의 기보를 학습했지만, 2018년에는 알파고 제로 버전을 발표하면서 기보 없이 스스로 학습하는 인공지능 바둑기사를 개발했습니다.알파고의 등장을 계기로 강화 학습과 딥러닝을 결합한 심층 강화학습(Deep Reinforcement Learning)의 연구가 활발히 진행되기 시작했습니다.
이렇게 요즘 핫한 인공지능에 대해서 짧게나마 알아보았는데요.정말 왜 인기가 많아지는지 알 것만 같네요.이런 인공지능 쪽으로 취업을 하시는 분들이 많으니까 잘 찾아보면서 원하는 진로에 잘 취업을 하셨으면 합니다.이만 글을 마치겠고 다음에는 더 좋은 글로 찾아뵙겠습니다.
