[딥러닝#1] 딥러닝 개요

2023.05.10 - [Machine Learning] - [머신러닝#1] 머신러닝 개요

[머신러닝#1] 머신러닝 개요

위의 글에서 지도학습 알고리즘 중에 Neural Network가 있다는 것을 알려드렸습니다. 

 

딥러닝 카테고리에서는 이러한 Neural Network에 대해서 다루도록 하겠습니다. 

DNN에서 출발해서 CNN, RNN을 지나 LSTM까지 글을 올리도록 하겠습니다.

---

딥러닝(Deep Learning)

딥러닝을 설명하기 위해서 이해를 돕기 위해 많은 책들에서 논리 게이트에 대한 이야기를 처음으로 시작합니다. 

하지만 논리 게이트들이 현대의 기술에 모두 녹아 있는 이야기지만 저는 이런 설명이 크게 와닿지는 않았습니다. 

왜냐하면 직접적으로 사용되는 개념이 아니기 때문입니다.(그냥 지나가는 역사 정도로 느껴졌습니다.)

따라서 저는 조금 다른 방향으로 시작하도록 하겠습니다.

 

머신러닝에 대해 설명드릴 때 모든 기술은 인간이 편의를 위해 발전해 왔다는 이야기 기억나시나요?

1차 산업혁명을 시작으로 많은 혁신적인 아이디어들이 자연에서 영감을 얻었습니다 

대표적으로 벨크로 같은 발명품 등이 있습니다. 

 

딥러닝도 마찬가지로 자동화 기술 중 하나로 생각합니다.

바로 인간의 학습을 대신 자동으로 해주는 기술입니다. 

그래서 딥러닝의 시작은 인간의 뇌 구조를 알아보는 것으로부터 그 기원이 시작되었습니다.

 

딥러닝의 핵심이라고 불리는 인공 신경망은 뇌에 있는 뉴런의 네트워크에서 영감을 받은 머신러닝 모델입니다. 

 

그럼 생물학적 뉴런에 대해서 간단히 알아보겠습니다. 

특이하게 생긴 위 세포는 대부분 동물의 뇌에서 발견됩니다.

수상돌기(dendrite)에서 들어온 정보는 축삭돌기(axon)를 따라 이동하여 시냅스(synapse)가 신경 전달 물질이라는 화학적 신호를 발생하게 됩니다. 이러한 정보는 다른 수상돌기에 연결되게 됩니다. 

즉, 뉴런 하나는 아주 단순하게 동작하지만, 여러 개의 뉴런으로 구성된 거대한 네트워크를 통해 매우 복잡한 계산을 수행할 수 있게 됩니다. 

 

바로 딥러닝 모델과 비교해 봅시다. 

※ 지금은 당장 아래의 사진이 이해가 안 돼도 괜찮습니다. 유사한지만 확인하시면 됩니다. 

꽤 비슷하게 생기지 않았나요?

위의 그림의 해석해 보면 data가 input 되면 어떠한 과정(linear, activation etc.)을 지나 output으로 나온 것을 볼 수 있습니다. 이렇게 보면 마치 함수처럼 생기기도 합니다. 

 

그래서 우리는 이제 앞의 '어떠한 과정'을 공부하면 됩니다.(물론 input, output도 공부해야 합니다.)

 

머신러닝과의 관계?

많은 분들이 딥러닝을 공부하시다 보면 머신러닝과의 차이점에 헷갈려하시는 경우가 종종 있습니다.(저 같은 경우에는 딥러닝의 성능이 너무 좋아 딥러닝만 있으면 다 되지 않아?? 머신러닝이 왜 필요하지 같은 의문점이 있었습니다;;)

 

알고 보면 너무 당연한 얘기지만 앞으로 방대한 양의 내용을 공부하다 보면 길을 잃을 수도 있으니까 여기서 다시 한번 상기시키고 가도록 하겠습니다.

 

위의 내용에서 인공신경망에 대해서 정의할 때, 머신러닝 모델이라는 표현을 사용했습니다.

 

그렇습니다. 딥러닝은 머신러닝의 지도 학습 알고리즘 중 하나입니다.

따라서 비지도학습을 할 때에는 사용할 수 없습니다. 비유하자면 문제해결을 위한 여러 방법 중 하나입니다. 

 

만약 지도 학습 문제라면 KNN, SVD, linear regrssion과 딥러닝을 생각해 볼 수 있고, 비지도 학습 문제라면 K-Means, DBSCAN 등을 염두해 볼 수 있습니다. 

 

포함관계를 도식화하면 아래와 같습니다. 

---

오늘은 딥러닝의 개요와 머신러닝과의 관계에 대해 알아보았습니다. 너무 방대한 내용을 요약하다 보니 부실한 부분도 있을 것 같습니다.

 

다음 포스팅부터는 구체적인 내용을 소개해드리도록 하겠습니다.

 

포스팅 내용 중  다른 생각이 있는 분 혹은 수정해야 할 부분이 있으시면 댓글을 통해 그 의견을 나눠보면 너무 좋을 것 같습니다.