1. font-family:굴림;mso-bidi-font-family:함초롬바탕">딥러닝 이란?

1-1. 함초롬바탕">역사

굴림;color:black;mso-color-alt:windowtext;background:white">기계학습(Machine Learning)은 컴퓨터가 스스로 학습하여 예측모형을 개발하는 인공지능의 한 분야이며 딥러닝(Deep Learning)은 인간의 신경망의 원리를 이용한 심층신경망(Deep Learning)이론을 이용한 기계학습방법이다. 딥러닝 기술은 이미 구글, 페이스북, 아마존 등 글로벌 IT기업들에서 광범위하게 이용되고 있는 기술이며 특히, 패턴인식이나 사진, 음성 등의 인식, 기계번역 등의 자연언어처리(Natural Language Processing)에 좋은 성능을 발휘하는 것으로 알려져 있는데, MIT가 2013년을 빛낼 10대 혁신기술 중 하나로 선정하고 가트너(Gartner, Inc.)가 2014 세계 IT 시장 10대 주요 예측기술로 언급하는 등 최근 가장 뜨거운 이슈가 되고 있다(color:#333333;background:white">동아일보, n.d.; Gartner, n.d.). background:white">딥러닝이 기존의 통계학이나 다른 기계학습 방법과 다른 큰 차이점은 인간의 뇌를 기초로 하여 설계되었다는 점이다. 인간은 컴퓨터가 아주 짧은 시간에 할 수 있는 계산도 쉽게 해낼 수 없는 반면, 컴퓨터는 인간이 쉽게 인지하는 사진이나 음성을 해석하지 못하는데 이는 인간의 뇌가 엄청난 수의 뉴런과 시냅스의 로 이루어져 있기 때문이다. 각각의 뉴런은 기능이 보잘것 없지만 수많은 뉴런들이 복잡하게 연결되어 병렬연산을 수행함 으로서 컴퓨터가 하지 못하는 음성, 영상인식을 수월하게 할 수 있는 것이며 딥러닝 은 이 수많은 뉴런과 시냅스의 병렬연산을 컴퓨터로 재현하는 방법인 것이다. 이것이 글로벌 IT기업들이 딥러닝 을 주목하는 이유일 것이다.

1. font-family:굴림;mso-bidi-font-family:함초롬바탕">딥러닝 이란?

1-2. 작동 원리함초롬바탕">

1. 107%;font-family:굴림">인공 신경망

굴림">머신 러닝의 한 기법인 딥러닝line-height:107%;font-family:굴림">은 특정 형식의 인공 신경망(ANN)을 사용하며, 우선 샘플 데이터를 통한 훈련 작업이 필요합니다. 그 이후에는 훈련된 ANN을 해당 작업에 사용할 수 있습니다. 훈련된 ANN의 사용하는 것을 "추론"이라고 합니다. 추론이 진행되는 동안 ANN은 학습된 규칙에 따라 제공된 데이터에 대한 평가 결과를 다시 보고합니다. 이러한 평가 결과는 입력 이미지에 결함이 있는지 또는 오류가 없는 객체를 나타내는지에 대한 추정 등이 될 수 있습니다.

2. 107%;font-family:굴림">뉴런, 계층 및 연결

굴림">인공신경망(ANN)은 서로 연결된 "뉴런" 계층으로 구성됩니다. 가장 간단한 경우, 이 계층은 입력 계층과 출력 계층으로 구성됩니다. 뉴런과 연결(link)은 매트릭스에 비유할 수 있습니다. 링크 매트릭스는 입력 매트릭스 개별 값과 결과 매트릭스의 값 사이의 연결을 포함합니다. 연결 매트릭스의 값에는 각 연결의 가중치가 포함됩니다. 입력 값과 논리 매트릭스의 값에 가중치를 반영하면 결과 매트릭스의 개별 값이 생성됩니다.

3. 107%;font-family:굴림">심층 인공 신경망

딥러닝이라는 용어는 소위 "심층" 인공 신경망(ANN)에 대한 훈련을 의미합니다. 이 인공 신경망은 입력 및 출력 계층뿐만 아니라 입력 및 출력을 위한 가시적인 계층 사이에 존재하는 수백 개의 추가적인 "숨겨진" 계층으로 구성됩니다. 숨겨진 계층의 결과 매트릭스는 다음 계층의 입력 매트릭스로 사용됩니다. 이 경우에는 마지막 계층의 출력 매트릭스에만 결과가 포함됩니다.

4. 107%;font-family:굴림">훈련

굴림;color:#0A0A0A">인공 신경망(ANN)을 훈련할 때 초기 초점은 무작위로 설정됩니다. 그리고 나서 샘플 데이터가 서서히 추가됩니다. 학습 규칙은 입력 데이터 및 예상 결과에 따라 관계의 가중치를 조정하는 데 사용됩니다. 결과에 대한 평가의 정확성을 의미하는 ANN의 궁극적인 효과는 훈련에서 사용되는 예시 데이터에 큰 영향을 받습니다. 일반적으로 훈련 내용에 변동성이 높은 예시 데이터가 많이 포함될수록 추론에서 더 정확한 결과를 얻을 수 있습니다. 매우 유사하거나 반복적인 데이터를 사용하여 훈련을 수행하는 경우, ANN은 예시 데이터와 다른 분야의 데이터를 추정할 수 없게 됩니다. 이 경우 우리는 ANN이 "과 적합(overfit)"하다고 표현합니다.

2 font-family:굴림;mso-bidi-font-family:함초롬바탕">딥러닝 의 활용       

2-1 font-family:굴림">스마트폰 음성 인식

굴림;color:black;mso-color-alt:windowtext;background:white">딥러닝 을 활용한 스마트폰 음성인식은 우리 일상생활에서 가장 쉽게 접할 수 있는 딥러닝 활용의 한 사례라 할 수 있습니다. 인간이 내는 음성은 가장 오래된 의사 소통의 하나로 사용되어 오고 있습니다. 21세기 인공지능의 시대로 넘어가면서 사람의 음성은 다양한 스마트 디바이스, 빅데이터, 인공지능 기술이 접목되어 음성인식 서비스로 활용도가 점차 높아지고 있습니다. 이렇게 사람의 음성 인식 기술에 대한 관심이 높아지는 이유는 음성이 사용에 편리할 뿐만 아니라 자연적인 측면에서도 다른 어떤 인터페이스에 비해서 뛰어나기 때문입니다. 이러한 음성인식 서비스가 가장 많이 활용되고 있는 영역이 스마트폰 음성인식 서비스를 이용한 "인공지능 음성인식 개인비서 서비스"입니다. 미국의 빅 테크 기업인 MS, Google, Samsung, Apple 등은 음성 인식 플랫폼 개발 및 성능 향상에 많은 역량을 쏟고 있습니다. 이러한 이유는 앞으로 기술 발달 및 인터넷과의 연결을 통해서 마우스나 손가락과 같은 터치가 아니라 음성으로 기계를 통제할 수 있도록 하기 위해서입니다. 

2 font-family:굴림;mso-bidi-font-family:함초롬바탕">딥러닝의 활용         

2-2. font-family:굴림">의료 사업

굴림">의료 산업은 4차 산업혁명 기술 중 하나인 딥러닝 적용이 가능한 분야로 기대가 되고 있습니다. 의료분야에서 전염병이나 환자의 임상정보 등 다양한 빅데이터를 분석 및 활요하고 있습니다. 또한 제약회word-spacing:0px">사들은 AI를 통해 진환과 유전자, 대사. 독성 예측, 분자 모델링, 신규 후보물질 발굴 등을 할수 있도록 준비 중에 있습니다. X-Ray, MRI, CT촬영 사진을 분석하여 증세를 초기에 짚어낼 수 있어 질병의 초기 발견 확률을 높일 수 있으며, 병원이 보유한 X-Ray영상을 딥러닝 기술을 접목, 사람의 뼈 나이를 자동으로 알려 줄 수도 있습니다. 

3 font-family:굴림;mso-bidi-font-family:함초롬바탕">결론  

굴림;color:black;mso-color-alt:windowtext;background:white">딥러닝 은 인공신경망을 기반하여, 많은 양의 데이터를 학습해 뛰어난 성능을 이끌어내는 연구분야이다. 2012년 Alex Net의 개발을 시작으로, 2016년 3월에는 알파고와 이세돌 9단의 바둑대결 이후로 현재까지 많은 관심과 개발이 진행중인 분야라고 볼 수 있다. 최근에는 게임의 AI, AI 스피커, 자율주행, 의료기기와의 접목 등 일상생활과 결합되어 밀접한 부분까지 스며들어왔다.

함초롬바탕">참고문헌

https://jinseob2kim.github.io/deep_learning.html

함초롬바탕;mso-font-kerning:0pt">https://www.baslerweb.com/ko/vision-campus/markets-and-applications/what-is-deep-learning/

https://m.blog.naver.com/slykid/221801288143

https://joyrichard.tistory.com/72