상단영역

본문영역

[4차산업 인공지능⑬] AI… 생활 속 “머신러링” 활용

사람의 지성은 신경(뉴런)의 집합체인 신경망에서 나온다
인공신경망은 특히 네트워크의 자유도가 매우 높아
가장 활용도가 높은 머신러닝 기술... 이미지 인식 자연어 처리

  • Editor. 김문선 기자
  • 입력 2021.09.13 12:04
  • 수정 2022.04.05 09:58
  • 댓글 0
이 기사를 공유합니다
사진 : pixabay

인공지능은 머신러닝이라는 기술을 기반으로 하고 있다. 문자 그대로 기계나 컴퓨터가 학습한다는 의미다. 이러한 머신러닝 기술 중 각광받고 있는 것이 바로 딥 러닝(Deep Learning) 이다. 딥 러닝은 인간의 뇌를 형상화한 인공신경망을 머신러닝에 적용한 기술입니다. 과학자들의 연구에 따르면 사람의 지성은 신경(뉴런)의 집합체인 신경망에서 나온다고 한다.

이 신경망을 컴퓨터 상에서 흉내 내기 위해 고안한 것이 인공신경망이다. 컴퓨터는 인공신경망이라는 기술을 통해 인간의 사고 과정을 따라 할 수 있다. 각 인공 뉴런(프로그램)에서 도출한 결과를 네트워크로 공유하고, 상황에 가장 적절한 답을 내놓을 수 있다.

머신러닝 이란 용어는 1959년 IBM Arthur Samuel 연구원이 처음 사용하였다. 여기서 머신(machine)은 프로그래밍이 가능한 컴퓨터를 의미한다. 머신러닝을 문자 그대로 풀어쓰면 프로그래밍 가능한 컴퓨터가 학습을 하는 것 이다. 그럼 무엇을 학습하는 것일까 그리고 학습의 목적은 무엇일까 과거 전문가 시스템에서는 사람이 데이터를 분석하여 규칙을 만들고 시스템은 주어진 문제에 해당 규칙을 수동적으로 적용하는 역할만 수행하였다.

최근 머신러닝의 활용도가 크게 증가하게 된 배경으로는 크게 네 가지 요인을 꼽을 수 있다. 첫째 데이터의 양이 획기적으로 증가하였다. 머신러닝에서는 인간이 시스템에 지식체계를 수동적으로 입력하는 방식이 아니라 시스템이 직접 데이터를 학습하고 규칙을 만들어나가는 방식을 채택한다.

따라서 얼마나 많은 양질의 데이터가 존재하는가 머신러닝의 정확도 향상에 중요한 역할을 한다. 그 중에서도 인공신경망은 특히 네트워크의 자유도가 매우 높아 다른 머신러닝 모형에 비해 더욱 많은 양의 데이터를 필요로 한다.

근래에 들어 모든 산업에 걸쳐 정보의 디지털화가 진행됨으로써 머신러닝에 사용할 수 있는 양질의 데이터가 크게 늘어났다. 작고 저렴한 센서의 보급 사물인터넷의 발전 등으로 인해 활용 가능한 데이터가 비약적으로 증가하였으며 과거와는 달리 음성 이미지 동영상 등의 비정형 데이터 또는 에서 발생하는 실시간 데이터도 SNS(Social Network Service)도 추가적으로 활용할 수 있게 되었다.

모든 산업에 걸쳐 가장 활용도가 높은 머신러닝 기술을 꼽자면 이미지 인식 자연어 처리 이상탐지를 들 수 있다 이미지 인식 기술은 휴대폰에서 찍은 여러 사진 중 동일한 인물의 사진을 한데 모아주거나, SNS에 올린 사진에서 친한 친구의 얼굴을 자동으로 찾아 이름을 태그해주는 등의 서비스를 통해 우리 일상에서 이미 익숙한 기술이다.

이는 또한 사진에서 고양이나 강아지와 같은 동물을 구별해주거나 사용자가 온라인 쇼핑몰에서 신발을 검색하면 그와 비슷한 디자인을 가진 신발을 추천해주는 데에도 사용된다. 마이크로소프트는 별도의 웹사이트를 통해 사진 속의 상황을 설명해주는 인공지능 체험서비스를 개설한 바 있다.

사용자가 사진을 업로드 하면 울타리 옆에 코끼리가 서있습니다 와 같이 사진을 설명하는 문장을 표시해주는 식이다. 사진 속 사람의 표정을 인식하여 그 사람의 감정 상태를 분석해주는 서비스도 있다. 그리고 무엇보다도 이미지 인식 기술은 향후 인간 삶의 방식을 크게 바꿀 무인운송 기술의 핵심이기도 하다.

현재 가장 많이 사용되는 또 다른 머신러닝 기술은 인공신경망 기반의 자연어 처리 기술이다. 애플이나 구글, 아마존, 네이버, 카오 등 국내외 내로라하는 ICT 기업들은 스마트폰 또는 인공지능 스피커를 통해 가상비서 서비스를 개발하고 있으며 이들은 모두 인공신경망을 활용한 자연어 처리 기술을 기반으로 하고 있다.

우리는 이미 가상비서를 통해 간단한 음성으로 날씨를 알아보거나 음악을 선곡할 수 있으며 이동 시 목적지까지 가는 길을 물을 수도 있다. 심지어 최근에는 사물인터넷 기능이 탑재된 가전제품들이 대거 등장하면서 음성으로 전자레인지를 돌리거나 불을 켜고 끄는 등 그 활용도는 날이 갈수록 확대되고 있다.

특히 인공신경망 모형을 적용한 자연어 처리 기술은 외국어 번역 분야에서도 획기적인 발전을 일으켰다. 번역의 정확도 향상은 물론 오타 또는 새롭게 등장하는 신조어도 매끄럽게 처리하는 것이 가능해졌다.

일례로 구글 브레인은 자사의 기존 번역 시스템을 인공신경망 형태로 전환하여 주요 언어에서의 번역 오류를 줄였다고 밝힌 바 있다. 이러한 경험으로 인하여 55~85% 많은 사람들은 향후 인간의 삶이 자연어 처리 기술을 통해 획기적으로 변화할 것으로 기대하고 있다.

최근 인공지능의 정확도가 높아지면서 산업 전반에 적용하려는 시도가 활발히 이루어지고 있다. 과거 이론에 머물거나 제한된 기능만을 수행했던 인공지능은 4차산업혁명시대에 들어오면서 알파 고 마스터(AlphaGo Master)와 같이 혁신적으로 발전한 알고리즘, 빅데이터, 클라우드, 컴퓨팅 파 워 등이 서로 융·복합되면서 실제 구현을 통해 산업전반에 적용되어 다양한 현실 세계의 문제를 해결하고 있다.

인공지능의 구현을 위해서는 인간과 유사하게 행동하는 컴퓨터 프로그램을 구현하는 학습방법인 머신러닝·딥러닝과 이것을 학습할 수 있는 막대한 양의 데이터와 컴퓨팅 파워가 필요하다. 여기에 데이터를 수집하는 IoT 뿐만 아니라 이를 분석하는 빅데이터 및 컴퓨터 용량을 제공하는 클라우드 기술, 이외에 자연어 처리기술과 인식기술 등 다양한 기술 개발이 필수적이라고 볼 수 있다

저작권자 © 디지털비즈온 무단전재 및 재배포 금지

개의 댓글

0 / 400
댓글 정렬
BEST댓글
BEST 댓글 답글과 추천수를 합산하여 자동으로 노출됩니다.
댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글수정
댓글 수정은 작성 후 1분내에만 가능합니다.
/ 400

내 댓글 모음

하단영역