나는 당신이 딥러닝 공부를 시작했으면 좋겠습니다. 1. 인공지능의 시대 바야흐로 인공지능의 시대입니다. 2016년 알파고의 등장은 전 세계를 떠들썩하게 만들었죠. 이때까지만 해도 바둑은 오직 인간의 영역으로 여겨졌습니다. 그도 그럴 것이 바둑에는 무한가지에 가까운 경우의 수가 존재하기 때문이죠. 이러한 이유로 바둑보다 상대적으로 경우의 수가 적은 체스는 컴퓨터로 정복했지만 바둑은 불가능하다 여겨졌습니다. 때문에 바둑으로 사람을 이긴 알파고의 등장은 …
컴퓨터에게 강아지와 고양이를 가르쳐주며 전문가 시스템에 대해 이해해봅니다. 1. 들어가며 이번글에서는 본격적으로 컴퓨터에게 강아지와 고양이를 가르쳐보겠습니다. 유치원생 조카에게 했던 것처럼 동일하게 하면 되지 않을까요? 강아지와 고양이 사진을 가져와서 각각의 특징을 가르쳐주면 될 것 같습니다. ‘이렇게 생기면 강아지고, 저렇게 생기면 고양이야’라고 가르쳐주는 거죠. 컴퓨터가 유치원생 조카 수준의 지능만 된다면 쉽게 성공할 것 같네요. 2. 해결 방법 …
사람과 컴퓨터의 이미지 인식 방법 차이를 살펴봅니다. 1. 들어가며 지난 글에서는 컴퓨터에게 강아지랑 고양이를 알려주려 시도해 봤습니다.유치원생 조카에게 사용했던 방법을 그대로 사용해 봤는데요. 강아지와 고양이 사진을 보여주면서 각각의 조건들을 알려주는 방법이었죠. 유치원생 조카는 몇 장의 사진만 보고서도 금방 강아지와 고양이의 차이를 인식했습니다. 이후에는 사진에 없던 강아지 품종까지도 강아지로 인식하며 응용 범위를 자동으로 넓혀갔죠. 하지만 컴퓨터는 달랐습니다.강아지의 조건을 …
머신러닝이란 무엇인지 알아봅니다. 이 과정에서 머신러닝에는 어떠한 방법들이 있는지 살펴봅니다. 1. 들어가며 지난 글에서는 컴퓨터가 이미지를 인식하는 방법을 살펴봤습니다.컴퓨터에게 하나의 이미지는 그저 수백만 개의 픽셀값을 가진 ‘숫자들’에 불과했죠. 이는 각각의 이미지는 수백만 차원 공간에 분포하는 점임을 의미합니다. 우리는 이런 고차원 공간을 상상할 수가 없죠.그래서 고차원의 점들을 우리가 볼 수 있는 저차원의 점들로 가져오는 방법을 살펴봤습니다. 이런 …
1. 들어가며 지난 글에서는 머신러닝에 대해 살펴봤습니다.머신러닝은 이전 AI 방법인 전문가 시스템과는 반대되는 철학을 갖고 있는 방법론이었죠. 전문가 시스템은 문제를 해결하기 위한 모든 규칙을 사람이 직접 찾아 컴퓨터에게 가르쳐주는 방법이었습니다. 반면 머신러닝은 다량의 데이터 속에서 컴퓨터가 문제를 해결하기 위한 규칙을 직접 찾는 방식이었죠. 머신러닝에는 다양한 방법이 있습니다.대표적으로 k-NN, kernel SVM, 인공신경망, 딥러닝 방법을 살펴봤습니다. 각각의 …
1. 들어가며 지난 글에서는 딥러닝에 대해 살펴봤습니다. 딥러닝은 머신러닝의 다양한 방법 중 하나입니다. 그 많은 방법 중 인공신경망에 해당하는 방법론이죠. 인공신경망과 딥러닝은 사실상 같은 개념입니다. 재야에 묻혀 있던 인공신경망이 득도하여 세상으로 나오면서 새롭게 브랜딩 한 이름이 딥러닝입니다. 이러한 딥러닝의 굵직한 개념들에 대해 살펴봤었는데요. 먼저 기존 머신러닝 방법들과 차별화되는 딥러닝의 철학을 살펴봤습니다. 인공신경망은 쉽게 말해 데이터셋을 …
6.딥러닝이 학습하는 방법 : 역전파(Backpropagation), 경사하강법(Gradient Descent) 더 보기
1. 들어가며 지금까지 컴퓨터에게 강아지와 고양이 이미지를 가르쳐주기 위한 다양한 방법을 살펴봤습니다.아주 다양하고 중요한 용어들이 나왔었는데요. 인공지능, 전문가 시스템, 머신러닝, 인공신경망, 딥러닝 등등 많이 들어봤지만 헷갈리는 용어들이 많았습니다. 더 나아가기 전에 이번 글에서는 지금까지 나온 개념들의 용어 정리를 하겠습니다. 2. 인공지능 (Artificial Intelligence) 먼저 인공지능에 대해 정리해 보겠습니다. 지금까지 컴퓨터에게 강아지와 고양이를 가르쳐주기 위한 이야기를 …
