인공지능 : 핵심기술 (6) : 딥러닝(심층 학습)

딥 러닝 : 정확도, 수학, 컴퓨팅 기능 향상

딥 러닝은 머신 러닝의 일부분입니다. 보통 딥 러닝이라는 용어를 사용할 때는 깊은 인공신경망을 지칭하는 것이고, 종종 deep reinforcement learning을 지칭하는 것입니다.

심층 인공신경망은 이미지 인식, 소리 인식, 추천 시스템, 자연 언어 처리 등과 같은 많은 중요한 문제에 대해 정확도에서 새로운 기록을 세운 알고리즘의 집합입니다. 예를 들어 딥 러닝(심층학습)은 2016년 초 바둑에서 전 세계 챔피언 이세돌, 2017년 초 현 세계 챔피언 커제를 꺾은 딥마인드의 잘 알려진 알파고 알고리즘의 일환입니다.

딥(deep)은 기술적인 용어입니다. 신경망의 레이어들을 뜻합니다. 얕은 네트워크는 소위 하나의 숨겨진 계층을 가지고 있고, 깊은 네트워크는 하나 이상을 가지고 있습니다. 여러 개의 숨겨진 계층은 심층 신경 네트워크가 소위 형상 계층에서 데이터의 특징을 학습할 수 있도록 하는데, 단순한 형상이 한 계층에서 다음 계층으로 재조합되어 더 복잡한 형상을 형성하기 때문입니다. 레이어가 많은 넷은 레이어가 적은 네트보다 더 많은 수학적 연산을 통해 입력 데이터(특성)를 전달하며, 따라서 훈련을 더 계산적으로 집중합니다. 컴퓨팅 강도는 딥 러닝의 특징 중 하나이며, 새로운 종류의 칩 콜 GPU가 딥 러닝 모델을 훈련시킬 것을 요구하는 한 가지 이유입니다.

그래서 머신 러닝(기계 학습)에 했던 것과 동일한 정의를 적용할 수 있을 것입니다. "명백하게 프로그래밍되지 않고 컴퓨터를 학습할 수 있는 능력을 주는 연구 분야" - 그리고 아것이 더 높은 정확도를 얻고, 더 많은 하드웨어, 훈련 시간이 필요하며, 기계 인식에 있어 예외적으로 잘 수행되는 경향이 있다고 덧붙였습니다. 픽셀이나 텍스트의 블럽과 같은 비정형 데이터를 포함하도록 요청합니다.

AI의 다음 행보는?

딥마인드, 구글 브레인, 오픈에이아이, 그리고 다양한 대학의 연구원들이 만든 발전이 가속화되고 있습니다. AI는 인간이 할 수 있는 것보다 더 어렵고 힘든 문제를 더 잘 해결할 수 있습니다.

이는 AI가 기록될 수 있는 것보다 빠르게 변하고 있다는 것을 의미하기 때문에, AI의 미래에 대한 예측도 빠르게 구식이 되어가고 있습니다. 핵분열(가능성) 같은 돌파구를 쫓는 것일까, 아니면 실리콘에서 나온 지능을 짜내려는 시도가 납을 금으로 만들어 주는 것일까요?

사람들이 AI에 대해 어떻게 이야기하는지 4개의 주요 사상학파(?)가 있습니다.

AI의 진전은 앞으로도 계속될 것이라고 믿는 사람들은 강한 AI, 그것이 인류에게 좋은 것인지 아닌지에 대해 많이 생각하는 경향이 있습니다. 지속적인 발전을 예상하는 사람들 중에서, 한 캠프는 현재의 어리석음으로부터 인류를 구할 수 있는 좀 더 지능적인 소프트웨어의 이점을 강조합니다. 다른 캠프는 초지능의 실존적 위험에 대해 걱정합니다.

AI의 위력은 연산 하드웨어의 위력과 맞물려 발전한다는 점에서 칩이나 양자 컴퓨팅 등 연산 능력의 발전은 AI의 진보를 위한 발판을 마련할 것으로 보입니다. 순수하게 과학적으로 볼 때, 딥마인드와 같은 연구소에서 산출되는 놀라운 결과의 대부분은 알파고가 깊은 학습과 강화 학습을 결합한 것과 마찬가지로, 다른 AI 접근법을 결합한 데서 나옵니다. 심층 학습과 상징적 추리, 유사 추리, 베이시안적, 진화적 방법을 결합하면 모두 장래성이 나타날 것입니다.

AI가 인간의 지능에 비해 그렇게 큰 진전을 보이고 있다고 믿지 않는 사람들은 과거처럼 전반적으로 실망스러운 결과 때문에 자금이 고갈될 또 다른 AI 겨울을 예상하고 있습니다. 그러한 사람들 중 많은 사람들은 딥 러닝과 경쟁하는 알고리즘이나 접근법을 가지고 있습니다.

마지막으로, 복잡한 데이터, 부족한 AI 재능과 사용자 수용으로 어려움을 겪고 있는 실용주의자들이 있습니다. 그들은 AI에 대한 예언을 하는 그룹들 중 가장 덜 종교적인 그룹입니다. 그들은 단지 그것이 어렵다는 것을 알고 있을 뿐입니다.