AI를 효율적으로 학습하는 방법은

AI(인공지능) 기술이 발전하면서 많은 분야에서 활용되고 있다. 특히 자율주행 자동차나 스마트폰과 같은 기기들이 대표적이다. 이처럼 인공지능이란 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야라고 정의할 수 있다. 이러한 인공지능 시스템에서는 사람에게 도움을 주는 서비스를 제공하는데 이를 위해서는 먼저 데이터를 수집해야 한다. 하지만 기존의 방식으로는 방대한 양의 데이터를 저장하거나 분석하기 어렵기 때문에 최근 딥러닝이라는 새로운 기법이 등장했다. 이번 글에서는 딥러닝 중에서도 분류 모델인 CNN (Convolutional Neural Networks)에 대해 알아보고자 한다.

딥러닝 알고리즘 종류중 하나로 알려진 CNN은 어떤 원리인가요?
CNN은 Convolutional Neural Networks의 약자로 이미지 인식 과정에서 자주 사용되는 신경망 구조입니다. 각 층마다 다른 특징을 가진 뉴런들을 연결해서 구성하며, 입력층 - 은닉층 - 출력층 순으로 이루어져있습니다. 각각의 층 사이에는 1개 이상의 컨볼루션 레이어가 존재하게 됩니다. 이때 중간중간 들어가는 컨볼루션 레이어는 다음 그림과 같이 서로 다른 방향으로 움직이는 2개의 필터를 이용한다. 이렇게 하면 이전 픽셀 값으로부터 예측값을 계산할 때 오차가 발생하더라도 정확한 결과를 얻을 수 있게 된다. 또한 위 그림에서처럼 첫 번째 필터로는 특정 화소만을 선택하지만 두 번째 필터로는 모든 화소를 선택함으로써 좀 더 다양한 형태의 영상을 처리할 수 있게 된다.

이미지인식과정에서 왜 CNN을 많이 사용하나요?
앞서 언급했듯이 CNN은 여러 개의 계층으로 이루어진 복잡한 구조이기 때문에 연산량이 매우 많다. 따라서 빠른 속도로 대량의 데이터를 처리하려면 GPU등의 고성능 하드웨어가 필요하다. 그러나 현재 대부분의 CPU 성능으로는 한계가 있으므로 대용량의 데이터를 빠르게 처리할 수 있는 머신러닝 프레임워크 또는 라이브러리를 개발자가 직접 제작해야만 했다. 그래서 나온 것이 텐서플로우다. 텐서플로우는 오픈소스 기반의 강력한 머신러닝 프레임워크로서 수많은 기업/기관에서 널리 사용되고 있다. 그리고 구글 클라우드 플랫폼과의 연동성 덕분에 손쉽게 빅데이터를 다룰 수 있다는 장점이 있다.