[Digieco] 4차 산업혁명을 이끄는 인공지능 - 딥러닝을 중심으로

 

 

 

 

 

■ 목차

 

 

I. 인간의 마지막 자존심, 바둑을 넘어선 인공지능

II. 딥러닝: 더 인간처럼, 그리고 인간을 넘어

III. 인공지능의 핵심 경쟁력, ‘빅데이터’

IV. 인공지능이 할 수 있는 일 V. 인공지능, 축복인가 위협인가

 

 

 

 

■ 더 인간처럼, 그리고 인간을 넘어

 

 

- 인간의 뉴런은 약 860억 개이며 그 네트워크의 깊이는 약 15층 수준으로 알려져 있다.

 

- 딥러닝은 사람보다 더 깊은 수준의 모델을 구축할 수 있다. 실제로 48층의 인공신경망을 사용한 ‘알파고’가 탄생하였고, 지금은 100개 이상의 층으로 이루어진 인공신경망 모델을 만들 수 있게 되었다.

 

 

 

 

 

 

- 딥러닝은 복잡하고 추상적인 개념을 이해하고 또 모방할 수 있다. 그래서 인간이 ‘직관’이라고 표현하는 영역도 학습할 수 있다.

 

 

 

 

■ 딥러닝의 장단점

 

 

- 딥러닝은 철저히 학습 데이터에 기반하여 최적의 판단이나 예측 값을 찾아낼 뿐이므로, 융통성과 유연성이 부족하다. 그래서 학습에서 접하지 못했던 전혀 새로운 입력을 접하는 경우 치명적인 오류를 유발할 수 있다.

 

- 딥러닝은 학습 데이터에 지나치게 최적화되어 실제 적용해야 할 새로운 입력에 대해서는 다소 성능이 떨어진 결과를 도출 할 수도 있다.

 

- 딥러닝을 포함하는 인공신경망 계열의 머신러닝 기법은 그 모델의 작동 원리가 철저히 블랙박스로 구성되어 있다는 점도 문제이다. 그 내용을 인간이 알 수 없기 때문에 모델을 사람이 직접 튜닝하여 개선하는 것 또한 불가능하다.

 

 

 

 

 

 

 

 

■ 인공지능의 핵심 경쟁력은 '빅데이터'

 

 

- 인공지능 선진 기업들이 앞다투어 머신러닝 알고리즘을 공개하고 있는 까닭은 무엇일까? 역설적이게도 알고리즘은 더 이상 인공지능 핵심 경쟁력이 아니라고 판단하기 때문이다.

 

- 그렇다면 학습 알고리즘 보다 더 중요한 요소는 무엇인가? 바로 데이터이다.

 

- 데이터는 머신러닝이 학습하는 재료이며, 데이터의 양과 질이 모두 중요하다.

 

- 알고리즘의 가치보다 빅데이터의 가치가 훨씬 더 크다. 목적에 따라 정확히 라벨링 된 데이터를 얻기 위해서는 많은 시간과 비용이 소요된다. 결국 양질의 데이터를 누가 많이 가지고 있는지에 따라 머신러닝의 품질이 달라지게 되고, 향후 인공지능의 미래를 이끄는 리더가 될 것이다.

 

 

 

 

 

*** 출처: [Digieco] 4차 산업혁명을 이끄는 인공지능 - 딥러닝을 중심으로

*** 문서:

4차 산업혁명을 이끄는 인공지능 - 딥러닝을 중심으로201704041491287061127.pdf