- 인간이 정답 알려주지 않아도
- 정보 속 패턴 찾아내 목표 달성
- 구글, 비지도학습 방식 활용해
- 영상 속 고양이 식별 기술 개발

인공지능(AI) 바둑기사 '알파고(AlphaGo)'가 지난해 3월 이세돌 9단에 이어 지난달 중국 커제 9단에게 이기면서 세상을 다시 한 번 놀라게 했다. 알파고는 바둑을 어떻게 둘까? 승리의 비결은 인간 신경망을 흉내내는 '딥러닝(Deep Learning)'에 있다. 딥러닝은 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술이다. 울산과학기술원(UNIST) 제어설계공학과 이승철 교수는 8일 "AI 기술의 일종인 딥러닝은 데이터 속에 있는 원리를 추론함으로써 이전에는 풀기 어려웠던 문제를 풀 수 있게 만들었다"며 "대표적으로 이미지 분류, 자연어 처리, 영상처리 등의 분야에서 종전 알고리즘보다 훨씬 뛰어난 성능을 보인다"고 설명했다. 어린 아이가 학습을 통해 사물을 자연스럽게 분별할 수 있는 것과 유사한 딥러닝 이론의 개념을 알아봤다.
■알파고의 구조

알파고를 개발한 구글의 딥마인드사는 지난해 1월 세계적 학술지 '네이처' 논문을 통해 알파고의 기반기술과 알고리즘을 자세히 설명했다. 알파고는 '전문가 지도학습'과 '자체 경기를 통한 강화학습'으로 훈련해왔다. 프로기사들의 기보 16만 개를 입력해 그들의 수법을 모방하게 했고 더 나아가 스스로 학습해 깨우치게 했다. 이를 패턴이나 이미지로 파악하는 딥러닝이 오늘날의 알파고를 만들었다. 알파고는 기보 16만 개를 학습하는 데 5주밖에 안 걸렸다. 사람은 평생 공부해도 학습할 수 없는 분량이다.

■인공신경망 잇는 기계학습법

AI는 컴퓨터에게 데이터를 학습시켜 마치 사람처럼 스스로 의사결정을 할 수 있게 한다. 컴퓨터는 사진만으로 개와 고양이를 구분하지 못하지만 사람은 아주 쉽게 구분할 수 있다. 이를 해결하기 위해 많은 데이터를 컴퓨터에 입력하고 비슷한 것끼리 분류하게 하는 기계학습(Machine Learning)이 필요하다. 저장된 개 사진과 비슷한 사진이 입력되면 이를 개 사진이라고 컴퓨터가 분류하는 식이다.

데이터를 어떻게 분류할지를 놓고 이미 많은 기계학습 알고리즘이 등장했다. 인공신경망, 사례기반추론, 의사결정나무 등이 대표적이다. 이중 딥러닝은 인공신경망의 후예다. 딥러닝은 인공신경망의 한계를 극복하기 위해 제안된 기계학습법이다.

인공신경망은 일반적으로 입력층, 은닉층, 출력층으로 이뤄져 각 층에 포함된 뉴런이 가중치를 통해 연결된다. 이 교수는 "가중치와 뉴런 값의 선형 결합과 비선형 활성화 함수를 통해 인공신경망은 복잡한 함수를 근사(Function approximation)할 수 있는 형태를 가지고 있다"며 "인공신경망 학습의 목적은 출력층에서 계산된 출력과 실제 출력의 값 차이를 최소화하는 가중치를 찾는 것"이라고 말했다. 금융기관이 고객의 신용도를 평가해 대출 여부를 결정할 때 인공신경망을 활용해 소득, 나이 등에 가중치를 두지만 정확도가 떨어져 제한적으로 활용돼왔다.

■딥러닝과 기계학습의 차이

딥러닝과 기계학습은 데이터를 이용해 모델을 학습한다는 공통점이 있다. 데이터를 학습하는 과정에서는 상당한 차이가 있다. 기계학습으로 이미지를 인식하기 위해서는 사진을 그대로 사용하는 것이 아니라 사진 속 객체를 가장 잘 구분할 수 있는 특성인자(feature)를 찾아내는 게 관건이다. 기계학습에서 모델의 성능을 결정하는 것은 '이 특성인자가 얼마나 데이터를 잘 대표하는지'다. 이와 달리 딥러닝은 사람이 특성인자를 선정하는 것이 아니라 데이터에서 모델을 학습하는 과정에서 목표를 잘 달성할 수 있는 특성인자를 스스로 찾는다.

■딥러닝의 두 갈래

딥러닝의 핵심은 분류를 통한 예측이다. 수많은 데이터 속에서 패턴을 발견해 인간이 사물을 구분하듯 컴퓨터가 데이터를 나눈다. 이 같은 분별 방식은 크게 두 가지로 나뉜다. 전문가 지도학습과 비지도학습. 종전 기계학습 알고리즘은 대부분 지도학습에 기초한다. 지도학습 방식은 컴퓨터에 먼저 정보를 가르치는 방식이다. 사진을 주고 "이 사진은 고양이"라고 알려주는 방식이다. 컴퓨터는 미리 학습된 결과를 바탕으로 고양이 사진을 구분한다.

반면 비지도학습은 이런 배움의 과정이 필요없다. "이 사진이 고양이"라는 배움의 과정 없이 "이 사진이 고양이군"이라고 컴퓨터가 스스로 학습하게 한다. 지도학습과 비교하면 한층 진보한 기술이다. 대신 컴퓨터의 높은 연산능력이 요구된다. 구글이 비지도학습 방식으로 유튜브에 등록된 동영상 중 고양이 동영상을 식별하는 딥러닝 기술을 2012년 개발했다. 구글은 음성인식과 번역을 비롯해 로봇의 AI 시스템 개발에도 딥러닝 기술을 도입하고 있다. 페이스북은 딥러닝을 뉴스피드와 이미지 인식 분야에 적용하고 있다.

[딥러닝] 이미지 크게 보기 click

오상준 기자