딥러닝 공부 #3

공부..안하십니까 휴먼?

인공지능 머신러닝 딥러닝 

 

사실 위에 영상하나만 봐도 대략적인 갈피는 잡을 수 있다.

인공지능, 머신러닝, 딥러닝을 나누는 개념에 대해서는 이미 무수히 많은 글들이 존재한다. 아직 인공지능이 무엇인지 명확하게 A입니다. 라고 정의내려진 것은 아니라 개념이 모호하다.

인공지능의 선구자 John McCarthy; 그는 인공지능이란 용어를 처음 만들어냈다.

인공지능: 인간의 지능을 갖춘 컴퓨터 시스템

머신러닝: 인공지능의 한 분야

딥러닝: 머신러닝의 여러 방법중 중요한 방법론. 생물학적인 뉴런을 수학적으로 모델링한 인공신경망의 한 종류이다.

https://blogs.nvidia.co.kr/2016/08/03/difference_ai_learning_machinelearning/

 

일반적인 컴퓨터 프로그램은 if input(A) == B then run(C)라고 그대로 인간이 B까지 작성한다면, 머신러닝은 B를 컴퓨터가 찾도록 학습시키는 것이다. 머신러닝은 지도학습, 비지도학습, 강화학습으로 나눌 수 있다.

 

좀 더 정확한 사례들은 아래에서 읽을 수 있다.

 

최근 인공지능(AI) 개발 트렌드와 미래의 진화 방향 – besetotube(北首东管)

 

여기서 오늘 인공지능의 모델 4가지를 알아볼 것이다.  ANN, DNN, CNN, RNN 그리고 추 후 이를 발전시킨 모델들을 알아보도록 하자.

 

• ANN(Artificial Neural Network): 딥러닝의 기초인 인공신경망으로 사람의 뉴런 구조를 모방해 생성한 알고리즘이다.

인간의 뉴런은 특정 자극이 임계값을 넘어가면 신호를 전달한다. 이를 각각 input, weight,ouput으로 구현하였다.

 

https://4ir.kisti.re.kr/ick/cmmn/viewPost/20180226000067

 

• DNN(Deep Neural Network): 인공신경망의 은닉층이 2개 이상인 경우를 의미한다. CNN, RNN, LSTM, GRU등의 응용이 있다( LSTM과 GRU는 다음에 알아보도록 하자)

LG디스플레이 블로그 Blog.lgdisplay.com 이미지, 또한 2012년 구글에서 유투브 이미지를 캡쳐해 학습했던 유명한 사건이라 한다.

 

• CNN(Convolution Neural Network): 데이터의 특징을 추출하여 특징들의 패턴을 파악
  • 컨볼루션(convolution)과 풀링(Pooling)으로 이루어짐
    • 컨볼루션: 데이터의 특징을 추출하는 과정, 데이터의 인접성분을 조사하고 특징을 파악하여 하나로 압축하여 도출(Convolution Layer)
    • 풀링: 컨볼루션을 거친 레이어의 사이즈를 줄여 데이터의 크기를 줄이고 노이즈를 상쇄시킴

https://kr.mathworks.com/solutions/deep-learning/convolutional-neural-network.html

• RNN(Recurrent Neural NetworK):  시퀀스 데이터에 특화된 인공신경망으로 내부에 순환구조를 지님
  • 과거 학습 결과를 현재 학습에 반영하여 시퀀스 데이터 학습의 한계를 해결 

 

[참고]

brunch.co.kr/@gdhan/7

딥러닝 개념(Deep Learning)

ebbnflow.tistory.com/119

[인공지능] ANN, DNN, CNN, RNN 개념과 차이