본문 바로가기
IT 이론

퍼셉트론과 인공지능, 그리고 딥러닝

by 지식id 2018. 11. 3.
반응형

인공지능은 말 그대로 인간의 지능을 기술적으로 모방하기 위한 학문이다. 이를 위한 수많은 이론과 학문, 기술들이 존재하지만 그 중에서 최근 가장 유명해 진 것은 딥러닝이다. 


딥러닝의 기본이 되는 것이 퍼셉트론이다. 프랑크 로젠블라트가 제시한 개념으로, 인간의 신경세포 하나를 표현하는 모델이라고 할 수 있다. 다수의 '신호'를 입력 받아 하나의 1 또는 0의 '신호'를 반환해 주는 일종의 함수와 같은 개념이다.


입력값은 요소와 가중치가 포함된다. 여기서 부터 이해가 어려워 질 수 있는데, 예를 들면 아래와 같다.


'새 스마트폰을 살 것인가?' 라는 Yes Or No의 질문에서, 다음과 같은 결정 요소가 있다고 생각하자.


1. 현재 재정적인 상태

2. 현재 사용하고 있는 스마트폰의 상태

3. 새로나온 스마트폰의 이점


부자라면 1은 별로 고려사항이 되지 않을 것이고(가중치가 낮음), 2나 3이 중요한 고려사항이 될 것이다. 반대로 돈이 없는 사람이라면 부자와는 가중치가 반대로 적용될 수 있다.


이렇게 재정 상태, 스마트폰의 상태, 새 스마트폰의 이점을 각각 수치로 표현하고, 그에 대한 가중치 또한 수치로 표현한 것이 입력값이 되는 것이다.

이렇게 수많은 요소 값과 수많은 가중치를 수없이 반복 학습하여, 어떤 상황에 처한 사람이 스마트폰을 살 것인가 말 것인가? 를 판단해 줄 수 있는 것이 딥러닝의 기본적인 용도라고 할 수 있다.


따라서 딥러닝엔 가설과 결정 요소와 학습 데이터가 필수적이다.

<은하수를 여행하는 히치하이커들을 위한 안내서> 처럼 "생명과 우주, 그리고 이 모든 것들의 존재 의미는 무엇인가?" 와 같은 질문은 할 수 없다는 것이다. 알파고한테 바둑이 아니라 스타크래프트를 하라고 할 수도 없다. 모든 질문엔 학습을 위한 수많은 사례, 즉 학습 데이터가 필요하다. 그것도 우리가 생각하는 결정요소에 맞춰진 데이터 말이다.


인공지능은 아직까진 만능이 아니다. 아직까진 "계산" 기법에 지나지 않는다. 인공지능이 진정한 "사고"를 하려면 엄청난 혁신이 한번 더 일어나야 할 것이다.

반응형

댓글