인공지능 : ImageNet 대회, 성공 이유

ImageNet 경기는 이미지 분류에서 최고의 정확성을 얻기 위해 팀이 경쟁하는 대회입니다. 즉, 고양이라는 이미지가 주어진다면 컴퓨터가 고양이라고 자율적으로 말할 수 있을까요? 이것은 인간에게 믿을 수 없을 정도로 간단한 것처럼 들릴 수도 있지만, 사실 컴퓨터에게는 불가능했습니다.

이러한 혁신을 심층적인 학습(딥 러닝)이 이끌어 냈습니다.

- 심층 학습을 위한 대규모 데이터 세트를 만들었습니다. 이것은 그 자체로 엄청난 돌파구였습니다. Geoff Hinton은 다소 설득력 있게, 60년대까지 거슬러 올라가는 ANNs에도 불구하고, 딥 러닝이 지금 작동하는 유일한 이유는 "더 많은 계산과 데이터, 바로 그것"이라고 말했습니다. 이 거대한 데이터셋의 가용성은 딥 러닝에 놀라운 장점입니다.

- GPU에서 교육받은 AlexNet에 대해 살펴보았습니다. 앞서 언급했듯이 대규모의 병렬 가능 부동 소수점 운영 및 메모리 대역폭에 훨씬 더 적합하기 때문에 더 많은 컴퓨팅이 또 하나의 큰 성공 요소였습니다.

- ConvNets와 함께 가장 진실한 형태의 딥 러닝이 출현하였습니다. Network in Network, GogLeNet/Inception 등과 같은 놀라운 아키텍처 혁신이 이루어졌습니다.

- 이는 현재 connet 아키텍처에서 주요 종류이며, 자체 진입할 가치가 있는 잔류 연결의 출현을 가져왔습니다.