(AI타임스=전승진 기자) 인공지능(AI) 기술 중 가장 주목받고 있는 분야는 머신러닝이다. 이와 함께 딥러닝도 주목을 받고 있다. 인공지능(AI)이 가장 광의의 개념이고 그 안에 머신러닝이 있으며 딥러닝은 그 안의 하위기술이다. 머신러닝은 기계(machine)와 학습(learning)의 합성어이다. 즉, 기계가 특정 논리에 맞춰 방대한 데이터를 학습한 뒤 이를 기반으로 알고리즘을 찾아내어 변화를 예측하는 것이다. 사람이 일일이 프로그래밍을 하지 않아도 학습과 처리가 가능한 기능으로 의사결정을 도와주는 대부분의 인공지능(AI) 서비스는 머신러닝 기반이다.
딥러닝은 머신러닝을 구현하는 기술 중 하나인데, 인간이 사물을 구분하듯 데이터 속에서 패턴을 발견하고 분류를 통해 예측한다. 고양이 이미지를 인식하는 것을 예로 들면, 딥러닝 알고리즘은 기존에 축척된 수많은 동물 이미지 패턴과 비교하면서, 같은 이미지인지 확인하는 식으로 고양이라는 정답을 찾아간다. 딥러닝은 이처럼 패턴인식을 통해 가장 좋은 길을 찾아가는 기술이다.
딥러닝은 인공신경망을 기반으로 한다. 인공신경망은 말 그대로 인간의 신경을 흉내 낸 기법이다. 딥(deep)은 사람의 뇌세포를 모방한 인공신경망이 여러 개의 층으로 구성되었다는 의미이며, 이 두뇌 작용의 프로세스를 본떠서 기계가 스스로 데이터를 분석하고 답을 낸다. 딥러닝에서는 데이터만 넣어주면 깊은 망을 통해 스스로 테이터의 특징을 찾아낸 후 분류나 판단까지 수행한다. 또한, AI 스스로 수집된 데이터 간의 유사성을 찾아 입력 데이터를 파악해낸다.
2011년 앤드루 응 교수가 구글과 함께 수행한 구글 브레인(Google Brain) 프로젝트의 결과를 세상에 발표하면서 딥러닝의 위력은 더욱 널리 알려졌다. 컴퓨터 1만 6,000대를 연결해 유튜브에 올라온 1,000만 개의 이미지 중 어떤 것이 고양이인지 찾는 데 성공한 것이다. 사전에 고양이에 대한 정보를 입력하거나 이미지 경계를 찾아서 구분하는 작업을 전혀 하지 않고 여러 특징을 이해함으로써 이미지의 내용을 독자적으로 예측한 것이다. 구글 브레인의 딥러닝은 데이터의 입력도 기계가 스스로 했다. 바로 강화학습(reinforcement learning)의 형태이다. 강화학습은 스스로 학습하는 방법만으로 문제를 해결하는 알고리즘이다.
2016년 이세돌을 이긴 기존 알파고는 바둑 선수 수천 명과 대결을 하고 전문가가 제공한 수많은 기보를 통해 바둑을 학습했지만, 이와 달리 강화학습 기반의 업그레이드 버전인 알파고 제로는 기본적인 바둑 규칙을 배우는 것 외에는 인간의 도움을 전혀 받지 않았다. 알파고 제로는 이 방식으로 3일간 약 500만 회 정도의 대국을 스스로 치렀고, 기존 알파고와의 대결에서 100전 100승을 기록했다. 스스로 학습하는 과정에서 인간이 시도하지 않는 방법도 개발했다는 점에서 더욱 세상을 놀라게 했다. 인간의 도움 없이 스스로 바둑을 학습한 알파고 제로는 오히려 인간 지식의 한계에 제약을 받지 않기에 잠재성이 크다. 알파고 제로는 인간의 데이터를 전혀 사용하지 않아도 인공지능이 얼마나 많은 발전을 이룰 수 있는지를 보여주고 있다.
【에이아이타임스 aitimes 에이아이타임즈】
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com