현대의 가장 큰 이슈 중 하나는 단연코 “4차산업“일 것이다. 사람 대신 운전해주는 자동차에 사람 대신 상담까지 해주는 챗봇 등 여러 종류의 제품이 나오고 있다. 많은 경제 학자는 2030년에는 글로벌 GDP 가 14% 가량 증가할 것으로 예측하고 있다. 특히 제조업이 가장 큰 비율로 영향을 미치고, 그 후 도,소매업도 큰 영향을 미칠 것으로 예상하고 있다. 그러면 이런 AI 산업에서 기본 원리는 어떻게 되며 해당 알고리즘은 어떻고 무엇이 있을까 설명하고자 한다.
기본적으로 머신러닝, 즉 컴퓨터가 스스로 학습할 수 있도록 하는 알고리즘 기술을 개발하는 것이다. 머신러닝의 종류로는 첫째로 지도학습, 즉 Input에 대하여 Task에 대한 답이 존재하는 것과 둘째로 비지도 학습인 Input에 대하여 Task에 대한 답이 존재하는 않는 것, 마지막으로 강화학습으로 모델이 주어진 환경에 스스로 반응하는 학습법 총 세 가지가 있다.
먼저 일반 신경망이 있는데 신경망은 입력층과 출력층으로 구성되어 있다. 어떤 특정 언어를 입력하면 출력이 되는 식의 구조이다. 하지만 일반 신경망은 이미지의 크기와 위치 각도에 취약하다. 그래서 다층 신경망의 한 종류인 역적파 알고리즘을 이용한 컨볼루션 신경망이 물체의 방향과 장소가 바뀌어도 인식하는 데 무리가 없다.
원리는 한 개의 특징 맵이 컨볼루션 과정 중 특징을 탐색할 때 특징 맵의 가중치는 변경되지 않는다. 이처럼 다양한 위치에서 동일한 특징을 잡을 수 있다. 그러면 모델이 가진 파라미터 개수가 줄어든다. 특징맵이 나타나고자 하는 템플릿과 이미지의 국소 부분이 일치하면 뉴런이 발생한다. 컨볼루션 신경망은 Keras(딥러닝을 구현할 수 있게 해주는 라이브러리, 사용할 입력/출력 데이터를 모델의 처음과 마지막 층에 설정하고 가운데 층을 목적에 맞게 선택가능)로 구현할 수 있다. 컨볼루션 신경망의 컨볼루션 층은 직선/색 등의 저차원부터 도형 등의 고차원 특징을 추출한다.
신경망을 이용해 질문에 답하는 구조는 입력층과 출력층 사이에 은닉 유닛이 존재하게 된다. 그래서 은닉 유닛의 연속된 벡터 공간에 오래된 데이터를 저장한다. 즉 문서 정보를 담고 있는 은닉 벡터와 질의 정보를 담고 있는 벡터가 존재한다. 다른 하나의 종류로는 퍼센트론이 있는데 퍼센트론은 인간의 뇌를 모사한 신경망 알고리즘이다. 단층은 선형분리가 불가하여 은닉층을 추가한 다층 퍼센트론이 개발되었다. 다층 신경막을 이용해 무인 자동차 (Autonomous land vehicle) 가 가능한 것이다. 기본적으로 신경망을 이용한 이미지 번역은 이미지를 나눠서 단어처럼 생각한다고 보면 된다.
이상으로 기본적인 알고리즘이라고 할 수 있는 것을 살펴보았다. 앞으로 비전공자여도 이런 기본적인 알고리즘을 스스로 공부하는 것이 큰 도움이 될 것이다. 자동화로 대체되는 일자리 비율은 평균적으로 2020년 후반에 이르면 20% , 2030년에는 30% 까지 상승할 것이라는 추정치가 있다. 그래서 우리 모두 4차 산업 시대에 발 빠르게 대처해야 할 것이다.
박충복 학생 기자
