'딥 러닝'은 어떻게 작동할까? 딥러닝에 대한 모든 것.

딥러닝은 보다 효율적이고 비즈니스 지향적인 소프트웨어와 시스템을 개발해서, 사람들에게 엄청난 가치를 제공해 줄 수 있는 잠재력을 갖고 있습니다. 이미 다양한 업계에 걸쳐서 놀랍고도 흥미로운 애플리케이션들이 많이 나와 있는데요. 딥러닝은 음성을 인식하고, 음성을 텍스트로 변환하고, 이미지를 처리하고, 흑백 이미지를 컬러로 만드는 등의 작업을 할 수 있습니다.

딥러닝 시스템을 이해하는 가장 좋은 방법은, 딥러닝 기술을 사용하고 있는 솔루션의 실제 사례를 살펴보고 분석하는 것입니다. 이번 시간에는 딥러닝 기술의 개념과 작동 방식 그리고 성공적으로 지원하고 있는 몇 가지의 사업에 대해서 알려드리도록 하겠습니다.

​

딥러닝이란 무엇일까?

오늘날 딥러닝은 지식을 모으고, 그 경험을 통해서 학습하고, 단순한 정보들로부터 복잡한 개념을 도출하는데 사용되는 컴퓨터적 지능(CI, computation intelligence)으로 정의되는 개념입니다. 딥러닝이 머신 러닝의 부분 집합이냐고 물으신다면, '그렇다'라고 대답할 수 있습니다. 머신러닝의 한 분야이자, 인공지능의 하위 분야인 딥러닝은 데이터 수집과 데이터 분석의 맥락 안에서 인간의 두뇌를 본떠서 모델링 하는 데 초점을 맞추고 있습니다.

​

딥러닝 기술이 작동하는 방식?

인공 신경 네트워크의 기본 아이디어는 트레이닝 세트(training set)라고 불리는 수많은 데이터들을 공급해서, 해당 시스템을 훈련시키는 것입니다. 이 네트워크가 기본적인 규칙들을 '학습'하면서, 해당 훈련 과정은 보다 효율적으로 조정됩니다. 일반적인 심층 신경 네트워크(DNN)는 기본적으로 패턴을 인식하고, 데이터를 모으고 분류하기 위해 설계된 알고리즘의 집합입니다.

게다가 딥러닝 시스템은 그들만의 고유한 환경을 갖고 있는데, 이 환경의 역할은 이미지, 사운드, 텍스트와 같은 다양한 유형의 데이터를 분석하기 위한 신경 네트워크를 생성하는 것입니다. 이러한 환경 내에서, 신경 네트워크는 다양한 층의 수학적 처리 과정을 활용해서 외부 세계에서 받아들인 정보를 이해하려고 합니다. 뉴런들은 겹겹의 층으로 쌓여서 하나의 네트워크를 형성하는데, 입력된 정보의 단위는 이 네트워크를 통과하게 되고, 입력된 데이터를 변환해서 정확한 결과를 출력하게 됩니다.

예를 들어서, 우리가 이 네트워크를 사람의 말을 인식하는 데 사용하고자 한다면, 먼저 수많은 사람들의 다양한 말하기 패턴과 발성에 관한 정보를 담고 있는 방대한 양의 데이터에 이 네트워크를 노출시켜야 합니다. 그리고 이 네트워크가 특정한 사람의 말 하기 패턴을 인식하는 훈련을 끝냈다면, 그다음에는 다른 사람의 말 하기 패턴에 대해서는 인식하고 이해할 수 있게 해야 합니다. 이 과정에서 딥러닝 기술이란, 다른 사람이 말하는 소리를 배우는 것이라고 할 수 있습니다.

이제, 이것이 작동하는 방식을 쉽게 이해할 수 있는 한 가지 예를 살펴보도록 하겠습니다. “우와”와 “오오”처럼, 서로 비슷하지만 뉘앙스는 조금 다른 두 가지 표현의 차이를 학습하는 딥러닝 시스템이 있다고 상상해 보시죠. 100명의 사람들이 두 가지 표현을 녹음한 음성 파일을 딥러닝 시스템에게 들려주고, 어떤 게 “우와”이고 어떤 게 “오오”인지를 구분해보라고 하면, 아마도 매우 빠르게 정답을 맞힐 것입니다. 게다가 딥러닝 시스템은 한 사람의 목소리가 가진 이러한 차이를 인간이 할 수 있는 것보다도 훨씬 더 정확하게 감지할 수 있을 것입니다.

​

딥러닝 기술의 비즈니스적 잠재력

1. 챗봇(Chatbot)과 고객서비스 봇

챗봇은 인공지능과 딥러닝을 활용한 것으로 특히 2020년에 가장 크게 주목받고 있는 웹 개발의 트렌드 중 하나입니다. 딥러닝이 발전하면서, 챗봇은 점점 더 인간처럼 변해가고 있습니다. 딥러닝 챗봇은 일반적인 챗봇과는 인간과 닮은 점이나 정교함의 수준에서 많은 차이가 납니다. 딥러닝 챗봇의 경우 데이터는 물론이고, 사람들 사이의 대화에서도 학습을 합니다. 반면에 일반적인 챗봇은 그 수준이 높다고 하더라도, 인간 프로그래머가 학습관련 기능에 입력해주는 데이터에만 의존하고 있습니다. AI를 기반으로 한 챗봇의 경우, 시스템이 받아들인 데이터를 어떻게 해석해 줘야 할지에 대해서 프로그래머가 결정하지 않습니다. 딥러닝 시스템은 자체적인 결온에 도달할 수 있으며, 인간의 행동을 모방하면서 몇 가지의 질문에도 대답할 수 있습니다. 이것이 바로 딥 러닝 기술이 고객서비스 분야에서 제대로 사용될 수 있는 잠재력을 가지고 있는 이유입니다.

2. 가상의 비서(Virtual assistants)

알렉사(Alexa)나 시리(Siri)와 같은 딥러닝 기반의 가상 비서는 사용자가 음성을 통해서 작업을 완료할 수 있는 아주 좋은 방법입니다. 가상의 비서는 사용자가 음성을 통해서 작업을 완료할 수 있는 아주 좋은 방법이 될 수 있습니다. 가상 비서는 단순한 작업에 적합하지만 사물인터넷(IoT)과 맞물린다면 훨씬 더 많은 대화형 기능을 기대할 수도 있죠. 예를 들어, 알렉사는 집주인이 원격으로 문을 열거나, 침실의 오디오 수신기에 음악을 스트리밍 하게 할 수도 있고, TV를 켤 수도 있을 것입니다.

3. 얼굴인식

얼굴 인식을 위한 딥러닝과 머신러닝 알고리즘은 일반적으로 그 이면에 보안상의 이슈가 있는 것으로 알려져 있습니다. 딥러닝 기법은 얼굴에 관한 막대한 양의 데이터세트를 활용해서 인간의 얼굴을 인식하는 기능을 수행하거나, 때로는 사람의 능력을 능가할 수도 있습니다. 기본적으로 이 기술은 어떤 사람을 확인하거나 식별하는 데 도움을 줍니다. 얼굴을 인식하기 위해서는 페이스 아이디(Face ID)라는 것을 처리해야 하는데, 페이스 아이디 처리는 다음과 같은 기본 단계들로 이루어져 있습니다.

'얼굴 탐지(Face detection) - 얼굴 정렬(Face alignment) - 특징 추출(Feature extraction)- 특징 비교(Feature matching) - 얼굴 인식(Facial recognition)'

다른 딥러닝 시스템과 마찬가지로, 얼굴 인식 시스템은 입력과 출력을 가진 샘플들에 의해서 훈련을 합니다. 대부분의 샘플들은 최소한 한 개의 얼굴이 있는 사진인 경우가 많습니다. 심층적이며 아주 복잡한 신경 네트워크가 이러한 사진들을 보다 구조화된 데이터세트에 쌓아 올리고, 그렇게 해서 시스템은 보다 정확성을 갖추어 갑니다. 예를 들면, 페이스북에서는 자신들의 딥페이스(Deep face)알고리즘에 인공 신경 네트워크를 사용하고 있습니다. 이 알고리즘은 97%의 정확도로 특정한 얼굴을 인식할 수 있다고 합니다.

4. 자율주행차와 무인운송 트럭

자율주행 차량은 딥러닝이 거둔 또 하나의 성과입니다. 자율주행 시스템의 핵심은 차량이 운행하는 환경과 관련된 최대한 많은 맥락을 시스템에게 제공하는 것입니다. 자율주행 차량은 머신러닝을 활용해서 언제 어떤 조치를 취해야 하는지를 예측할 수 있습니다. 이들 시스템은 도로의 현실을 이해할 수 있으며, 그러한 상황에 따라서 적절하게 대응하는 방식도 알고 있습니다. 다시 말하지만, 데이터가 가장 중요합니다. 컴퓨터의 시각화 시스템은 차량에 부착된 수많은 종류의 센서들을 활용해서 외부의 세상을 시각적으로 인식할 수 있습니다. 하지만 정보처리와 의사결정에서 보다 인간적인 방식으로 발전하기 위해서는, 아직까지는 알고리즘에 더 많은 훈련용 데이터가 필요합니다. 그래야만 시스템이 사람처럼 생긴 물체와 실제 보행자를 구별할 수 있고, 교통 신호등의 불빛과 혼잡한 시간대에 뿜어져 나오는 수많은 자동차 불빛을 구분할 수도 있을 것입니다.

테슬라나 알파벳과 같은 거대 기업들만이 관련 산업을 이끄는 인공지능과 딥러닝 기술을 사용하는 것이 아닙니다. 다른 곳에서도 자율 주행을 위한 연구개발에 투자하고 있습니다. 포드, 혼다, 화웨이, 현대 등을 비롯한 수많은 기업들이 이러한 새로운 지평선에 관심을 가지고 있습니다.

5. 개인화된 엔터테인먼트와 구매 경험

온라인 소매업체들에서는 이미 딥러닝을 활용해서 고객에 대한 추천 알고리즘을 개선하거나, 검색어 자동완성에 있어서의 정확도를 높이는 등 고객 경험을 강화하고 있습니다. 딥 러닝 알고리즘은 비주얼 검색(visual search)도 지원할 수 있습니다. 예를 들어, 고객이 현실 세계에서 우연히 마음에 드는 옷을 발견했다면, 그것을 비주얼 검색을 이용해 관련 상품을 찾아볼 수 있게 하는 것입니다. 딥러닝 시스템은 이미지를 토대로 그 물품을 확인하고, 해당 제품을 구입할 수 있는 온라인 스토어를 고객에게 알려줄 수 있습니다.

딥러닝 기술에 의한 보다 높은 수준으로 개인화된 서비스는 엔터테인먼트 영역에서도 빛을 발할 수 있습니다. 이 기술은 학습 알고리즘을 통해 사용자가 소비하는 콘텐츠를 분석할 수 있습니다. 넷플릭스와 같은 스트리밍 서비스에서 시청자가 관심을 가지는 콘텐츠를 얼마나 정확하게 추천해 주는지에 대해서는 모두들 이미 잘 알고 있을 겁니다.

이번 시간에는 딥러닝이 무엇인지, 그리고 어떻게 작동하는지에 대해 보다 명확하게 알게 보았습니다. 딥러닝 기술의 현재와 미래를 이해하고, 컴퓨팅의 다음 혁명을 통해 어떤 것을 기대할 수 있을지에 대해서도 쉽게 이해할 수 있게 되었으리라 생각합니다.

> 이 글은 'WHAT IS DEEP LEARNING?'을 각색하여 작성되었습니다.