AI 기술의 변천 및 DL 기본 작동 원리

AI 기술의 변천

1. Rule based system (1950년대 ~)

• 인간이 정립한 논리와 규칙에 따라 기계가 판단: 개는 털이 있다 꼬리가 있다 짖는다
• 수 많은 if문

2. Machine Learning(1980년대 ~)

• 전문가들이 정교하게 모델링한 규칙들을 기계가 학습
• 학습은 하지만 규칙은 전문가의 Threshold에 의존(경험적 요소)

3. Deep Learning(2010년대~)

• 규칙도 학습하여 사전적 정보 없이도 기계가 데이터 학습 가능
• 1번 ) 2번 ) 3번 포함관계

머신러닝의 유형

• Supervised Learning : 레이블(정답)이 있는 데이터로 학습

• Unsupervised Learning : 정답없이 학습하여 공통구조나 특징을 예측 - 클러스터링

• Reinforcement Learning - 보상시스템으로 학습

딥러닝의 발전

• 알고리즘 향상
• 빅데이터 발달
• GPU 등 컴퓨팅 파워 발달 및 클라우드 연결
• 오픈소스 프레임워크 지원

기본 용어

• 타깃(Target): 기대 출력을 의미한다.
• 매핑(Mapping): 입력과 타깃의 관계로 입력을 representation로 변환, 연관시키는 것을 의미한다.
• 가중치(Weight): 머신 러닝, 딥러닝 모두 결국은 가장 효율적인 식 을 찾는 것이 목표이며, 이런 식 또는 식에 필요한 파라미터를 말한다.
• 손실함수(Loss function): 타깃과 출력 값의 차이를 계산하는 함수
• 역전파(Backpropagation): 손실함수의 결과를 개선하기 위해서 다시 결과에서부터 가중치를 수정하는 과정이다. 이를 옵티마이저 (optimizer)가 담당한다.

딥러닝 기본 작동 원리

인간의 신경세포과 같은 구조로 동작한다고 한다.

1. 데이터를 입력한다.
2. 여러 레이어를 통해 예상 결과값을 만든다. (매핑)
3. 실제 값과 비교해서 그 차이를 구한다. (타겟과 손실함수)
4. 차이를 줄이기 위한 방법으로 앞의 충돌의 가중치를 수정해준다. (역전파)
5. 이 방법의 반복으로 규칙을 계속 개선한다.