딥러닝이란 무엇인가?

딥러닝의 정의

AI 원칙을 활용하는 기계는 종종 "스마트"라고 불리지만 이러한 시스템의 대부분은 스스로 학습하지 않습니다. 인간 프로그래밍의 개입이 필요합니다. 데이터 과학자는 예측 분석에 사용할 변수를 선택하여 입력을 준비합니다. 반면에 딥 러닝 은 이 작업을 자동으로 수행할 수 있습니다.

딥 러닝이란?

딥 러닝은 머신 러닝 의 하위 집합으로 간주될 수 있습니다 . 컴퓨터 알고리즘을 검토하여 스스로 학습하고 개선하는 것을 기반으로 하는 분야입니다. 머신 러닝은 더 간단한 개념을 사용하지만 딥 러닝은 인간의 생각과 학습 방식을 모방하도록 설계된 인공 신경망과 함께 작동합니다. 최근까지 신경망 은 컴퓨팅 성능에 제한이 있어 복잡성이 제한되었습니다. 그러나 빅 데이터 분석 의 발전으로 더 크고 정교한 신경망이 가능해지면서 컴퓨터가 인간보다 빠르게 복잡한 상황을 관찰하고 학습하고 대응할 수 있게 되었습니다. 딥 러닝은 이미지 분류 에 도움이 되었습니다., 언어 번역, 음성 인식. 사람의 개입 없이 모든 패턴 인식 문제를 해결하는 데 사용할 수 있습니다. 많은 레이어로 구성된 인공 신경망 은 딥 러닝을 주도합니다. 심층 신경망(DNN)은 각 계층이 이미지, 사운드 및 텍스트를 이해하는 표현 및 추상화와 같은 복잡한 작업을 수행할 수 있는 네트워크 유형입니다. 머신 러닝에서 가장 빠르게 성장하는 분야로 간주되는 딥 러닝은 진정으로 파괴적인 디지털 기술을 나타내며 점점 더 많은 회사에서 새로운 비즈니스 모델을 만드는 데 사용하고 있습니다.

딥 러닝 작동원리

신경망 은 인간의 뇌가 뉴런으로 구성된 것과 마찬가지로 노드의 레이어입니다. 개별 레이어 내의 노드는 인접한 레이어에 연결됩니다. 네트워크는 레이어 수에 따라 더 깊어진다고 합니다. 인간 두뇌의 단일 뉴런은 다른 뉴런으로부터 수천 개의 신호를 수신합니다. 인공 신경망에서 신호는 노드 사이를 이동하고 해당 가중치를 할당합니다. 더 무거운 가중치 노드는 노드의 다음 레이어에 더 많은 영향을 미칩니다. 최종 계층은 가중치가 부여된 입력을 컴파일하여 출력을 생성합니다. 딥 러닝 시스템은 많은 양의 데이터가 처리되고 여러 복잡한 수학적 계산을 포함하기 때문에 강력한 하드웨어가 필요합니다. 그러나 이러한 고급 하드웨어를 사용하더라도 딥 러닝 훈련 계산에는 몇 주가 소요될 수 있습니다.딥 러닝 시스템은 정확한 결과를 반환하기 위해 많은 양의 데이터가 필요합니다. 따라서 정보는 거대한 데이터 세트로 제공됩니다. 데이터 를 처리할 때 인공 신경망은 매우 복잡한 수학적 계산과 관련된 일련의 이진 참 또는 거짓 질문에서 받은 답변으로 데이터를 분류할 수 있습니다. 예를 들어, 얼굴 인식 프로그램은 얼굴의 가장자리와 선, 얼굴의 더 중요한 부분, 마지막으로 얼굴의 전체 표현을 감지하고 인식하는 방법을 학습하여 작동합니다. 시간이 지남에 따라 프로그램이 스스로 학습하고 정답 확률이 높아집니다. 이 경우 얼굴 인식 프로그램은 시간이 지남에 따라 얼굴을 정확하게 식별합니다.

직장에서의 딥 러닝의 예

신경망이 개가 포함된 사진을 인식하도록 하는 것이 목표라고 가정해 보겠습니다. 예를 들어 로트와일러(Rottweiler)와 푸들(Poodle)을 생각해 보십시오. 또한, 사진은 다양한 각도와 다양한 양의 빛과 그림자로 개를 보여줍니다. 따라서 모든 사람이 "개"로 레이블을 지정할 수 있는 개의 얼굴과 "개가 아닌" 레이블이 지정된(예상대로) 개가 아닌 물체의 사진을 포함하여 훈련 이미지 세트를 컴파일해야 합니다. 신경망에 입력된 이미지는 데이터로 변환됩니다. 이러한 데이터는 네트워크를 통해 이동하고 다양한 노드가 다른 요소에 가중치를 할당합니다. 최종 출력 레이어는 모피, 주둥이, 다리가 4개 등의 연결이 끊어진 것처럼 보이는 정보를 컴파일하고 출력을 전달합니다. 이제 신경망에서 받은 이 답변을 인간이 생성한 레이블과 비교합니다. 일치하는 항목이 있으면 출력이 확인됩니다. 그렇지 않은 경우 신경망은 오류를 기록하고 가중치를 조정합니다. 신경망은 반복적으로 가중치를 조정하여 개 인식 능력을 향상시키려고 합니다. 이 훈련 기술을 지도 학습(supervised learning)이라고 하며, 이는 신경망에 무엇이 개를 "만드는지" 명시적으로 알려주지 않는 경우에도 발생합니다. 그들은 시간이 지남에 따라 데이터의 패턴을 인식하고 스스로 학습해야 합니다.

실행 중인 딥 러닝

좋아할 만한 음악을 제안하는 좋아하는 음악 스트리밍 서비스 외에도 딥 러닝이 사람들의 삶에 어떤 영향을 미치고 있습니까? 결과적으로 딥 러닝은 모든 규모의 애플리케이션에 적용되고 있습니다. Facebook을 사용하는 사람이라면 누구나 새 사진을 업로드할 때 소셜 플랫폼에서 일반적으로 친구를 식별하고 태그를 지정한다는 사실을 알 수 있습니다. Siri, Cortana, Alexa 및 Google Now와 같은 디지털 비서는 자연어 처리 및 음성 인식을 위해 딥 러닝을 사용합니다. Skype는 음성 대화를 실시간으로 번역합니다. 많은 이메일 플랫폼은 스팸 메시지가 받은 편지함에 도달하기도 전에 식별하는 데 능숙해졌습니다. PayPal은 사기성 결제를 방지하기 위해 딥 러닝을 구현했습니다. CamFind와 같은 앱을 사용하면 사용자가 모든 개체의 사진을 찍고 모바일 시각적 검색 기술을 사용하여 개체가 무엇인지 찾을 수 있습니다. 특히 Google은 딥 러닝을 활용하여 솔루션을 제공하고 있습니다. Google Deepmind의 AlphaGo 컴퓨터 프로그램은 최근 바둑 게임에서 서 있는 챔피언을 이겼습니다. DeepMind의 WaveNet은 현재 시장에 나와 있는 음성 시스템보다 더 자연스럽게 들리는 사람의 음성을 모방한 음성을 생성할 수 있습니다. Google 번역은 딥 러닝 및 이미지 인식을 사용하여 음성 및 서면 언어를 번역합니다. Google Planet은 사진이 촬영된 위치를 식별할 수 있습니다. Google은 AI 애플리케이션 생성을 돕기 위해 딥 러닝 소프트웨어 데이터베이스인 Tensorflow 를 개발했습니다 . 딥 러닝은 아직 초기 단계에 불과하며 앞으로 수십 년 안에 사회를 변화시킬 것입니다. 자율 주행 자동차는 전 세계적으로 테스트되고 있습니다. 신경망의 복잡한 계층은 피해야 할 물체를 결정하고, 신호등을 인식하고, 속도를 조정할 때를 알기 위해 훈련되고 있습니다. 신경망은 주가에서 날씨에 이르기까지 모든 것을 예측하는 데 능숙해지고 있습니다. 주식을 매도할 때나 허리케인이 오기 전에 대피할 때를 추천할 수 있는 디지털 비서의 가치를 고려하십시오. 딥 러닝 애플리케이션 은 의료 환자를 위한 증거 기반 치료 계획을 설계하고 암을 조기에 발견하는 데 도움이 되는 능력을 개발함으로써 생명을 구할 수도 있습니다.