인공지능(AI) 파헤치기 - 딥러닝과 인공신경망. 4부
앞선 글 3부에서 딥러닝(DL, Deep Learning)에 대해서 정말 간단하게 알아보았고 이제는 딥러닝과 인공신경망의 관계에 대해서 조금 들여다 보자.
인공지능(AI) 파헤치기 - 딥러닝(DL, Deep Learning). 3부
이전 1부, 2부를 통해 우리는 인공지능(AI)와 머신러닝(ML)에 대해 알게 되었다. AI -> ML -> DL의 순서대로 각자의 한계를 뛰어넘기위해 등장한 세부적인 개념들이다. 인공지능(AI) 파헤치기 - 머신러
www.kboutiq.com
일단 인공신경망(Artificial Neural Network)이 어디서부터 등장했는지 알아야 한다. 단어에서도 알 수 있듯이 신경망(Neural Network)이라는 개념에서 등장한 것이 인공신경망이다. 그러면 신경망은 무엇일까?
위키피디아에 신경망을 검색해 보면 아래와 같이 정의하고 있다.
신경망은 뉴런들의 네트워크, 회로 또는 최근에는 인공 뉴런, 노드로 구성된 인공신경망을 뜻한다. 즉, 신경망은 생물학적 뉴런들로 구성된 생물학적 신경망, 인공지능 문제들을 해결하기 위한 인공신경망 둘 다를 뜻한다.
일단 신경망은 원래 생물학적 뉴런들의 회로라는 것이며 이를 응용하여 인공지능 문제를 해결하는데 사용하는 개념이 바로 인공신경망(ANN)이라는 것을 알 수 있다. 그래서 실제로 생물학적 신경망은 Neural Circuit이라고 정의하고 있다.
생물학적 신경망에서는 뉴런이 정보 전달의 매개체가 되는데 아래 왼쪽 그림과 같이 하나의 뉴런은 수없이 많은 뉴런들과 연결되어 있다. 이 형태를 참고하여 만든 개념이 바로 오른쪽 그림에서 볼 수 있는 인공신경망(ANN)이다.
좌 : <출처 : 더위키-https://wiki.thewiki.kr/w/%EB%89%B4%EB%9F%B0>
우 : <출처 : 위키피디아-https://en.wikipedia.org/wiki/Artificial_neural_network>
이 뉴런들의 특징은 신호를 전달하는 역할을 하는데 이 때, 반드시 역치, 임계(threshold)값을 초과해야지만 신호를 다음 뉴런으로 전달한다. 즉, 인공신경망의 인공뉴런(노드)들도 이 입력을 받았을 때 다음 노드로 정보를 전달하기 위해서는 역치값을 넘겨야 한다는 것이다.
그러면 다음과 같이 간단하게 생각할 수 있다. 역치값을 넘긴다.(1) VS 못 넘긴다.(0)과 같이 이진 분류(binary classification)로 나타낼 수 있다는 것이다.
이런 이진 분류에 아주 적합한 알고리즘이 있는데 그것이 바로 퍼셉트론(Perceptron)이다. 아래 그림을 보고 느낌만 받아들이도록 하자.
그림에서 유추할 수 있듯이 퍼셉트론은 저 직선의 윗 부분이냐 아랫 부분이냐로 구분하는 알고리즘이다. 즉, 생물학적 신경망의 구성요소인 뉴런이 바로 이 퍼셉트론이라 할 수 있다.
하지만 이 단일, 단층 퍼셉트론(Singlelayer Perceptron)은 O, X 구분(선형)에는 충분하지만 우리 세상은 O, X로 구분할 수 없는 것(비선형)들이 너무 많다. 그래서 이 단층 퍼셉트론을 여러개 쌓아 만든 녀석이 바로 다층 퍼셉트론(Multilayer Perceptron)이다. <위의 인공신경망 그림과 동일하다.>
이 다층 퍼셉트론 구조를 인공신경망(ANN)이라고 볼 수 있다. 또한 다층 퍼셉트론 구조는 여러개의 층이 있어 심층 신경망(Deep Neural Network)라고 하며 딥러닝(DL)의 기초가 된다고 할 수 있다.
이렇게 간단하게 인공신경망(ANN)에 대해 간단히 알아보았는데, 다음 글에서는 뉴런의 역할을 하는 퍼셉트론(Perceptron)에 대해서 알아보도록 하자.