딥러닝(Deep learning)이란? 딥러닝 vs 머신러닝 vs 인공지능(AI)

 

 바야흐로 딥러닝의 전성시대가 도래했습니다. 최근 도입되는 신기술들에 딥러닝이 도입되지 않은 부분을 찾기 힘들며, 어딜가든 딥러닝에 대한 이야기를 접하게 됩니다. 최근 몇년 사이에 부쩍언급되며 급 부상한 딥러닝이지만, 사실 최근에 개발된 개념이 아닌 수십년간 지속해 온 노력의 결정체 중 하나가 딥러닝입니다.

1. 딥러닝 vs 머신러닝 vs 인공지능(AI)

 

 

인공지능(AI)와 머신러닝(ML), 그리고 딥러닝의 관계는 아래 그림과 같이 표현할 수 있습니다.

 

 인공지능이 가장 큰 범주이며, 그 안에 머신러닝이 있고, 머신러닝 안에 우리가 알아보고자하는 딥러닝이 있다고 정리해볼 수 있습니다.

 

 조금 더 풀어서 설명해보면,

 

 사람이 할 수 있는 것과 유사한 판단을 컴퓨터가 해낼 수 있게끔 ‘인공지능(Artificial Intelligence)’을 연구하던 중 

 기존의 데이터를 이용해 앞으로 일어날 일을 예측하는 ‘머신러닝(Machine Learning)’ 기법이 효과적임을 알게 되었고, 

 이러한 머신러닝 기법 중 인간이 사고하는 방식과 유사한(수억개의 뉴런들의 복잡한 상호작용을 통해 일어나는 인간의 사고작용) 방식을 택해 기존의 다른 머신러닝 기법들보다 더 우수한 예측력을 만들어 낸 ‘딥러닝(Deep Learning)이 세상에 등장하게 되었다고 볼 수 있습니다.

2. 딥러닝이 주목받게 된 이유? 높은 정확도(예측력) 

 

 딥러닝이 개발되기 전의 머신러닝은 통계적 기반에 근거한 방법들이 대부분이었습니다. 

 

 한편, 2010년도부터 ILSVRC(Image Large Scale Visual Recognition Challenge)라고 하는 경진대회가 개최되었으며, 이는 대용량의 이미지셋을 주고 이미지 분류 알고리즘의 성능을 평가하는 대회 였습니다.

 쉽게 말해 엄청난 양의 사진을 주고, 각 팀원들이 만들어낸 알고리즘을 통해 얼마만큼 제대로 분류해내는지를 평가하는 대회였는데요.

 2010년과 2011년에는 Shallow architecture를 기반으로 한 알고리즘들이 우승을 했었으며, 이들은 모두 개발자들이 이미지 인식에 유용할만한 특성들을 자신들만의 판단(인간의 판단)으로 도출하여 기계를 학습시키고 이를 통해 예측을 했던 것들이었습니다. 이들은 모두 26% 이상의 분류 에러율을 가지고 있었는데요.

 

 2012년도에서는 AlexNet이라고하는 CNN(Convolutional Neural Network) 기반의 딥러닝 알고리즘이 무려 10% 이상의 에러율 감소를 보여주었으며, 그 이후 우승한 알고리즘들은 모두 딥러닝을 기반으로 하였습니다. 

 

 특히, 2015년도에는 인간의 분류 에러율이라고하는 5%보다 더 낮은 에러율을 보여주어, 그 위용을 떨치게되었습니다.

 이로인해 요즘 우리가 맞이하고 있는 ‘딥러닝의 시대’가 도래했다고 볼 수 있겠습니다.