Machine & Deep Learning

머신 러닝과 딥러닝
이러한 머신 러닝의 분야중, 인공 지능망 (뉴럴 네트워크 / Artificial neural
network)라는 기법이 있는데, 사람의 뇌의 구조를 분석하여,
사람 뇌의 모양이 여러개의 뉴런이 모여서 이루어진것 처럼,
머신 러닝의 학습 모델을 두뇌의 모양과 같이 여러개의 계산 노드를 여러 층으로 연결해서 만들
어낸 모델이다.

<알파고에 사용된 뉴럴네트워크 구조>

이 모델은 기존에 다른 기법으로 풀지 못하였던 복잡한 문제를 풀어낼 수 있었지만,
계층을 깊게 하면 계산이 복잡하여 연산이 불가능하다는 이유로 그간 관심을 가지고 있지 못했
다가
캐나다의 CIFAR (Canadian Institute for Advanced Research) 연구소에서 2006년에 Hinton
교수가 ”A fast learning algorithm for deep belifef nets” 논문을 발표하게 되는데,
이 논문을 통해서 뉴럴네트워크에 입력하는 초기값을 제대로 입력하면 여러 계층의 레이어에서
도 연산이 가능하다는 것을 증명하였고, 2007년 Yosua Bengio 라는 분이 ”Greedy Layer-Wise
training of deep network”
라는 논문에서 깊게 신경망을 구축하면 굉장히 복잡한 문제를 풀 수 있다는 것을 증명해냈다.
이때 부터 뉴럴네트워크가 다시 주목을 받기 시작했는데,
이때 뉴럴 네트워크라는 모델을 사람들에게 부정적인 인식이 있었기 때문에, 다시
이 뉴럴 네트워크를 딥러닝 (Deep learning)이라는 이름으로 다시 브랜딩을 하였다.
그 이후에 IMAGENET 챌린지라는 머신러닝에 대한 일종의 컨테스트가 있는데,
이 대회는 이미지를 입력하고 머신 러닝을 통해서 컴퓨터가 이미지의 물체등을 인식할 수 있게
하는 대회로, 머신 러닝 알고리즘의 정확도를 측정하는 대회이다. 이 대회에서 2012년 Hinton
교수님 랩에 있던 Alex
라는 박사 과정의 학생이 딥러닝 기반의 머신 러닝 알고리즘으로 혁신 적인 결과를 내었고 지금
은 이 딥러닝이 머신 러닝의 큰 주류중의 하나로 자리잡게 되었다.

<이미지넷에서 사용되는 이미지>