본문 바로가기

AI · 인공지능/알기쉬운 AI39

[알기쉬운 AI - 19] 머신 러닝의 학습 데이터 효율적으로 공부하기 위해서는 좋은 교재가 필요합니다. 딥러닝의 교재는 학습 데이터입니다. 이번에는 그 학습 데이터의 양과 질에 초점을 두고 설명합니다. 또한, 다운로드 가능한 일반물체 식별 데이터 세트 'ImageNet'과 '기학습 모델', 그리고 ILSVRC에 대해 설명합니다. 학습 데이터의 양은 어느 정도 필요할까? 딥러닝은 대량의 학습 데이터가 필요하다고 잘 알려져 있습니다. 그리고 Google과 Amazon, Facebook 등의 AI 대기업은 전 세계적으로 데이터를 가지고 있으며, 중국은 자국만으로도 방대한 데이터가 있기 때문에 절대로 이길 수 없다고 말하는 사람도 있습니다. 하지만 모두가 그렇게 말하니까 그냥 그렇게 받아들이는 경향이 있습니다. 과연 잘 알고 하는 말일까요? 예를 들어, '꽃 .. 2020. 2. 8.

[알기쉬운 AI - 18] 계층 신경망 인간의 뇌는 뉴런(neuron)이라는 신경 세포의 네트워크 구조로 되어 있습니다. 뉴런에서 다른 뉴런에 신호를 전달하는 연결 부위를 시냅스라고 하고 뉴런은 시냅스에서 전기 및 화학 반응의 신호를 발신하여 정보를 교환합니다. 그리고 신경망은 이러한 인간의 뇌의 구조를 모방한 네트워크 구조로 되어 있으며, 이것이 현재의 인공 지능(예전에는 인공 두뇌라고 부르기도 했었지요...) 모델입니다(그림 1). 신경망은 입력층으로 들어온 신호가 여러 노드(원형 부분 : 뉴런에 해당, 인공 뉴런이라고도 함)를 통해 전파되어 출력층에 전해지는 구조로 되어있습니다. 이것은 신경 세포의 신경을 통해 신호가 전달되는 원리와 비슷합니다. 입력층과 출력층 사이의 중간 계층이 은닉층이며, 이런 것들이 몇 층이든 겹쳐있는 것이 심층 .. 2020. 2. 5.

[알기쉬운 AI - 17] 기계 학습 방법 이제 AI의 전체 이미지는 얼추 잡았다고 생각되기에, 눈을 가까이 가져가 딥러닝의 구조를 이해해 보고자 합니다. 기계 학습이란? 기계 학습은 컴퓨터를 학습시켜 인간처럼 인식하고 판단하게 하는 인공 지능 기법의 하나입니다. 고용한 사람에게 업무 내용을 알려주고 일을 시키는 것과 마찬가지로, 기계 학습의 과정은 그림 1과 같이 '학습 처리'와 '판정 처리'의 두 단계로 이루어집니다. (1) 학습 처리 기계 학습의 진행 방식(라이브러리)이 아무리 우수해도 아무것도 훈련하지 않으면 갓난아기와 같습니다. 먼저 훈련 데이터를 사용하여 교육함으로써 학습기가 점점 똑똑해지고 이 정도면 충분하다고 생각되는 수준까지 도달하면 드디어 학습된 모델이 완성됩니다. (2) 판정 처리 학습된 분류기(학습된 모델)는 미지의 데이터가.. 2020. 2. 4.

[알기쉬운 AI - 16] 기계 학습 라이브러리 기계 학습 라이브러리 기계 학습 라이브러리는 딥러닝을 위한 도구로 프레임워크라고도 합니다. 기계 학습 라이브러리는 예전부터 있었습니다만, 2012년에 딥러닝이 주목을 받으면서 신경망 기반의 라이브러리가 단숨에 증가했습니다. 캐나다, 미국, 영국, 중국, 그리고 일본에서도 새로운 라이브러리가 등장하고 있으며, 최근 인기 있는 것, 예전에는 인기가 있었지만, 지금은 쓸모없게 된 것 등 기복이 심한 상황입니다. 앞으로 새로운 라이브러리의 탄생보다는 기존 라이브러리의 개량과 도태가 진행될 것으로 예상됩니다. 표 1에 현재 주류 라이브러리 목록을 보여줍니다. 원래 대학에서 개발된 것이 많지만, 개발자가 Google이나 Facebook 등의 대기업에 초빙받거나 고액의 지원을 받는 등 지금은 대기업이 라이브러리 발전.. 2020. 2. 3.

[알기쉬운 AI - 15] AI 관련 기술 전체상(Overview)과 하드웨어 먼저 AI를 지원하는 기술 기반은 어떻게 되어 있는지 큰 그림을 먼저 보겠습니다. 그림 1은 AI 관련 기술의 전체 상(Overview)입니다. 크게 4개의 층으로 구성되어 있습니다. (1) 하드웨어(칩과 서버) 최하층인 하드웨어입니다. 딥러닝 신경망 연산에 요구되는 고속 처리가 더 이상 CPU만으로는 대응할 수 없기 때문에 GPU 나 FPGA 및 ASIC 등의 고속 칩이 사용되고 있습니다. 또한 AI 서비스의 대부분은 클라우드 컴퓨팅에서 볼 수 있습니다만, IoT의 보급과 함께 최근 주목받고 있는 것이 에지(edge) 컴퓨팅입니다. IoT 엔드 포인트(단말기)에서 대량의 데이터가 연속생성 되지만 이들을 이용한 딥러닝 계산 처리를 인터넷으로 하다 보면 통신량 증가로 네트워크 비용과 클라우드 요금이 증가하.. 2020. 2. 2.

[알기쉬운 AI - 14] 흐름으로 중요성을 파악!? '의사결정트리'란? 여러분은 성격 진단을 해보신 적 있나요? 두 가지 선택지에 답변을 반복함으로 몇 가지 성격으로 분류되는 것을 경험해 보셨을 것입니다. 사실 데이터의 취급방법 중에서도 이렇게 조건을 반복하기만 해도 데이터를 처리할 수 있는 방법이 있습니다. 의사결정 트리(decision tree)라는 방법입니다. 진짜 조건 분기 만으로 데이터 취급이 가능할까?라는 의심이 드시겠지만 이 방법은 조건에 따라서는 꽤 좋은 정밀도를 갖고 있어서 현재는 재료과학 분야에서 이용되고 있기도 합니다. 그럼 얼마나 좋은지 살펴보도록 합시다. 1. 이 나무는 무슨 나무? : 회귀 트리 앞에서 AI가 해결할 수 있는 문제는 '분류'와 '회귀'로 크게 나뉜다고 했습니다만, 의사결정 트리는 양쪽 모두 사용할 수 있습니다. 우선 회귀를 살펴봅시다.. 2019. 12. 26.

[알기쉬운 AI - 13] 향후 매출을 예측하고 싶다! '회귀분석'이란? 여러분은 점을 믿습니까? 점은 고대 그리스 시대부터 별빛에 미래를 투영하는 점성술로 시작하여 지금에 이르기까지 다양한 형태로 존재하고 있습니다. 사람이 왜 이토록 점에 매료되는가 하면, 미래가 어떻게 될지 알 수 없는 인간은 본능적으로 공포를 기억하기 때문입니다. 이를 방지하기 위해 선조들은 과거에 일어난 일에서 배우면서 그 법칙성을 발견하였습니다. 이처럼 인류는 아직 보지 못한 미래를 두려워하고 예측함으로써 문화와 과학을 발전시켜 왔다고 할 수 있습니다. 그렇다면, 그 발전의 끝에 오늘날 붐을 맞이한 AI는 어떻게 "예측"을 하는 것일까요? 가장 기초적인 방법인 '회귀'를 살펴보도록 합니다. 1. 회귀가 뭐야? 이미 알고 있는 과거 데이터를 바탕으로 아직 보지 못한 상황을 예측하는 것은 AI도 인간과 .. 2019. 12. 25.

[알기쉬운 AI - 12] 특징으로 데이터 분류, '서포트벡터머신'이란? 이미 분류를 알고 있는 데이터를 그대로 다시 분류하는 AI는 의미가 없습니다. 그 데이터들로부터의 경험치로 "이런 데이터가 있으면 여기에 분류된다"라고 하는 것이 중요합니다. 이를 일반화 가능성이라고 하는데, 서포트 벡터 머신은 "여백"이라는 "틈새"를 크게 하는 것으로 일반화를 유지하고 있습니다. 삶에도 여백이 중요합니다. 1. 경계선을 그으면 만사 해결 토끼같이 집단으로 생활하는 동물들은 많은 무리를 짓고 영역을 만듭니다. 그 방법은 다양하지만, 대부분은 자신의 영역에서만 배설을 합니다. 즉 변이 떨어져 있는 장소를 보면 대체로 그 집단의 영역을 알 수 있습니다. 예를 들어, 아래의 그림 같은 느낌으로 변이 떨어져 있었다고 합시다. 빨간 점이 그룹 1의 배설물이고, 파란 점이 그룹 2의 배설물이 있던.. 2019. 12. 24.

[알기쉬운 AI - 11] 그룹에서 당신은 어떤 타입? '클러스터링'이란? 학창 시절 고등학교나 대학에 진학해서 친구를 잘 사귈 수 있을지 불안했던 분들이 많을 것입니다. 전혀 말해본 적 없는 사람들과 같은 커뮤니티에 속하여 교우관계를 처음부터 만들지 않으면 안 되니까 당연합니다. 그러나 몇 주 지나면 신기하게도 친한 그룹이 어느새 생겨있고 항상 함께하는 동료가 되는 것입니다. 어떤 친구를 선택할지는 개인의 맘대로 지만, 대체로 비슷한 사람끼리 모이는 것이 보통입니다. 이와 같이 '동류끼리 모인다'는 원칙 하에서 데이터를 분류하는 방법이 있습니다. 즉 '닮은 그룹에 속하는 것'이라는 전제를 바탕으로 분류를 해 나가는 것입니다. 그러면 데이터가 어떻게 친구 만들기를 해 나가는지 살펴보도록 합시다. 1. 비지도 분류 - 클러스터링 이미 언급 한 바와 같이 "이미 분류된 데이터"가 .. 2019. 12. 23.

[알기쉬운 AI - 10] AI의 발전적 기능: 자연어 처리와 강화학습, 이미지인식, 음성인식 앞에서는 머신러닝의 기본원리를 알아봤습니다. 자동차에 비유하면 모터의 원리와 자동차가 움직이는 구조에 해당하는 부분입니다. 그럼 자동차를 사용하여 어떤 일들을 할 수 있을까요? 예를 들어, 사람이나 물건을 나르고, 공사를 돕거나 긴급한 사람을 돕는 등 다양한 일을 할 수 있습니다. 자동차와 마찬가지로 AI도 응용 범위가 다양합니다. 이번에는 AI 응용 범위를 일부 주요 분야별로 소개해 보겠습니다. 1. 이미지 분석, 이미지 인식에서 생성까지 AI가 이미지의 특징을 계산하여 분류 및 예측을 실시하는 것을 총칭하여 '이미지 분석'이라고 합니다. 그중에서도 자주 사용되는 것이 이미지 인식입니다. 이미지와 동영상에서 특징을 잡아 물체를 식별하는 패턴인식 기술의 하나입니다. 얼굴 인증이나 감시 카메라의 인물식별 .. 2019. 12. 8.

이전 1 2 3 4 다음

티스토리툴바