[Deep Learning] 딥러닝/머신러닝/인공지능의 차이, 인공신경망 개념

딥러닝에 대해 이해하려면 먼저 인공지능, 머신러닝, 딥러닝의 차이점을 알아야한다.

인공지능, 머신러닝, 딥러닝

인공지능(AI): 사람의 지능을 모방해 사람이 하는 복잡한 일을 할 수 있는 기계를 만드는 것

머신러닝(ML): 입력되어 있는 데이터를 통해 각각의 상황에 맞도록 학습시키는 것

딥러닝(DL): 머신러닝으로 학습한 부분들을 기반으로 스스로 판단해 새롭게 대처하는 것 (=end-to-end machine learning)

 

딥러닝이 end-to-end machine learning인 이유는 처음부터 끝까지 컴퓨터가 학습하는 것으로, 머신러닝처럼 사람이 데이터에서 일부 특징을 뽑아서 기계에게 전달해 학습시키는 것이 아니라 데이터 자체를 컴퓨터에 전달하는 등 사람의 개입이 아예 없기 때문이다.

---

인공지능, 머신러닝, 딥러닝의 정의를 알아보았으니 이제 원리인 인공신경망에 대해 알아보겠다.

 

인간의 뇌 속의 뉴런은 여러 뉴런으로부터 입력값을 받아서 세포체에 저장하다가 일정 용량을 넘어서면 외부로 출력값을 내보내는데, 인공신경망은 이러한 인간 뇌를 모방한 것이다.

인공신경망의 뉴런은 여러 입력값을 받아서 weight(가중치)를 곱하고 bias를 더해 활성화함수(activation function)에 넣어 일정 수준이 넘어가면 활성화되어 출력된다.

이 때 가중치(weight)는 각 입력이 결과에 주는 영향력을 조절하는 것으로 얼만큼의 비중이 있는지를 정하는 것이고,

편향(bias)은 각 입력이 얼마나 쉽게 활성화함수의 임계값을 넘는지 조절하는 것으로, 연결강도가 강력한 신호만 넘기겠다는 것이다.

이러한 인공신경망이 여러개의 층이 있다면, 한 층의 출력값이 다음 층의 입력값이 된다.