[📃칼럼] 딥러닝이란 무엇인가........

들어가며.

여기저기서 인공지능 인공지능 하는데 그게 뭔지 가볍게 설명을 하면 (내가) 재밌을 것 같아서 끄적이게 ...

각설하고 시작 ~

인공지능의 작동 원리.

보통 코딩이라는 것은 알고리즘을 기반으로 작동함. 가령 어떤 숫자가 입력되었을 때 짝수인지 홀수인지 판별하는 코드를 짜려고 하는 상황을 가정하자.

2로 나눠보고 나누어 떨어지면 짝수 아니면 홀수라는 간단한 로직을 생각해낼 수 있다. 이게 '일반적인' 코딩을 하는 방법이다. 알고리즘(규칙)을 세워서 원하는 Task를 수행하는 것이다. 그러나 인공지능은 다르다. 제프리 힌튼 교수가 처음 고안했는데 인간의 뉴런을 모방한 가상 뉴런을 만들고 학습을 시킨 것이다.

입력값(그림상에서 x,y)를 모델(f())에 넣으면 예측값이 나온다. 이떄 정답값과 예측값의 차이를 loss(손실)이라고 부른다. 손실 함수는 loss를 줄여주는 방향으로 model f()의 파라미터를 업데이트 한다. 이러한 과정을 최적화라고 부른다.

저 f(x)가 자세히 어떻게 생겼는지를 봐야하는데 다음 그림과 같이 생겼다.

x라는 입력값들이 들어오는데 가중치(w)를 곱해서 더한다. 그 이후 그 값을 activation_function에 넣은 뒤에 나온 상수를 출력하는 아주 간단한 구조를 가지고 있다.

activation_function 이 할 말이 많은 부분인데 지금은 그냥 간략하게 x에 w를 곱하고 더한 값이 임의의 값 theta를 넘기면 1을 출력하고 0을 출력하는 함수라고 하자.

그냥 곱하고 더한 다음에 값 비교해서 1 or 0을 내보내는게 인공지능이라고 ? ㅇㅇ 맞습니다.

ex) 실례를 통해 작동과정을 살펴보자.

x, y라는 입력값이 들어옴, 가중치는 1임, theta 값은 1임.

그러면 x + y 라는 식이 만들어지고 그 값이 1을 넘기면 1 아니면 0이라는 간단한 식이 만들어짐.

기하적으로 표현하면 0을 출력하는 부와 1을 출력하는 부를 분리하는 기능을 수행한다고 말할 수 있음.

선형 분리성이 왜 중요하냐면 ALS라는 최소 단위 연산을 수행하는 컴퓨터 장치가 있는데 ALS가 NAND 연산을 통해 만들어져있음.

그런데 선형 분리가 됨은 NAND 연산을 수행하는게 가능하다는 의미가 되서 아주 의미가 있음

인공지능의 힘

아주 무시무시한 일이 인공뉴런을 사용하면 가능해짐. 가령 개와 고양이를 분류하는 프로그램을 만들고 싶다고 하자.

그러면 기존 코딩 방식을 따르면 개와 고양이를 구별하는 완벽한 기준을 '알고리즘; 화 시켜야함. 이게 가능하노? ㅋㅋ 아주 어려움.

그런데 인공지능을 사용하면 가능해짐.

우선 모델이 1을 출력하면 그 이미지는 고양이라는 의미고 0을 출력하면 강아지를 의미하는 것이라고 전제함.

그리고 이미지 픽셀 하나하나를 숫자로 치환해서 인공뉴런들이 모인 공간에 넣어줌.

그러면 그 값들에 가중치가 곱해지고 더해지고 ACTIVATION_FUNCTION에 넣어지고를 계속 반복해서

존나 이상한 값이 출력될 거임.

만약 넣어진 이미지가 고양이었다면 정답값은 1일 거잖아.

그 1과 존나 이상한 값의 차이를 구한 다음에 그 값을 줄여주는 방향으로

가중치 값을 업데이트함.

그 과정을 존나 반복하면 어라라라? 어느덧 고양이 이미지를 넣었을 떄 모델의 출력값이 1이 되게 됨.

인공지능은 하나의 존나 긴 수식을 만들어 냈겠지. WX + W2X2 + W3X3 + ... + WN XN

위 수식의 의미는 인간이 이해하지 못하겠지만 어쩄든 완벽히 고양이와 강아지를 구별한 식이라는 것임.. << 이게 딥러닝의 힘이다 이거야

마치며

요약하면 저 인공뉴런들이 존나게 많이 모인 곳에 입력값을 넣어주면 그 값들에 가중치를 곱하고 합치고 특정한 함수에 넣어주는 작업을 통해 예측값을 내놓을 수 있음.

그 값과 정답값 과의 차이를 구한 다음에 그 값을 줄여주는 방향으로 인공뉴런(함수)들을 업데이트 함.

그러면 완벽하게 주어진 Task를 수행하는 모델이 완성됨.

[📃칼럼] 딥러닝이란 무엇인가........

댓글 3

다른 게시글