Chat GPT? 딥러닝? 인공지능 기술에 대한 얇고도 넓은 지식

최근 코딩 교육 플랫폼이라든지 다양한 사업을 보면 공통적으로 화제가 되는 문구가 있다.

"챗 GPT"

"Yes24, 동네 서점을 지배하는 챗지피티 관련 서적들"

지금 당장 순간에도 이 대단한 성능의 챗봇은 사람들이 인간의 지능과 비슷한 수준의 A.I. 가 영화에서 튀어나올거 같은 기분을 느끼게 해준다.

또 chat GPT를 개발한 회사인 Open A.I.에서는 이외에도 DALL-E 라는 서비스를 제공해 화가가 정성 들여 만든것 같은 그림을 단 4초만에 만드는 기적을 보여준다.

이처럼 여러 인공지능에 대한 제품 소개와 놀라운 기술력을 보여주지만 우리는 정작 현재의 A.I. 기술이 어떻게 구현 되는지, 사람처럼 생각을 과연 하는지, 우리의 일자리를 뺏어갈지에 대해 자세한 경위를 모른다. 이번 포스트에는 인공지능이란 어떤 컴퓨팅 기술을 의미하는 지에 대한 간략한 소개를 다룰 것이다.

인공지능이란?

"머신 러닝과 딥러닝"

출처: Scikit-learn, Research Gate

이제는 대부분이 이해를 하고 있는 개념이지만 정의적으로 서술하면 인공지능이란, 인간의 인지 기능을 모방한 알고리즘을 응용하여 기존의 컴퓨터가 풀 순 없었던 복잡한 문제를 푸는 기술을 뜻한다. 인공지능 기술의 하위 범주에는 여러가지 알고리즘들이 포함 되지만 대표적인 의미는 머신러닝, 또는 딥러닝을 명칭하는 경우가 크다.

머신러닝과 딥러닝은 분류상으로 딥러닝이 머신러닝의 하위 범주로 분류가 되며, 딥러닝은 여러 파라미터 변수를 층으로 쌓아 활성화 함수를 매개로 하는 것이 특징이다.

다음과 같은 인공지능 기술 중 트렌드가 되며 가장 주목받고 있는 분야는 딥러닝인데, 이는 기존의 머신러닝만으론 해결하기 힘들었던 한계를 극복하는 모습을 보여주었다.

딥러닝의 기술적인 테크닉과 오해

흔히들 여러 공상과학 영화를 보게되면, 사람처럼 기계나 컴퓨터가 의식을 가지고 대화하는 모습을 볼 수 있다. 그러나 아직까지 인간의 지능 수준으로 학습하는 딥러닝 기술 설계 방법은 공식적으로 존재하지 않는다. 이는 딥러닝의 인공신경망이 사람이나 척추동물의 뉴런의 동작과정을 완벽하게 이해한 것이 아닌, 파라미터의 최적화 알고리즘을 통한 가중치 조정으로 이루어지기 때문이다.

앞서 본 그림과 같이, 각자의 파라미터는 활성화 함수(Activation function)이란 매개체가 인간의 시냄스 전달과정처럼 임계값을 초과하면 값을 전달하는 구조로 구성되어 있다. 그후 다음과 같은 딥러닝 모델은 앞서 서술한 방식대로 여러 파라미터 층을 통과해 최종 결과값을 내보내고, 완하는 작업의 결과나 보상과 얼마나 차이가 나는 지를 수학적인 오차값을 도출한 후 이러한 오차를 각자의 파라미터에 오차역전파라는 알고리즘을 기반으로 파라미터 조정을 한다. 이러한 메커니즘을 반복하여 파라미터가 특정한 작업을 수행할 수 있게 바꾸는 것이 딥러닝의 핵심이다.

이렇게 현재 딥러닝 기술은 우리의 뇌가 갖고 있는 보상정책과 기억 메커니즘에 대해 정확한 모사를 하지 않는다. 이는 컴퓨터 과학계가 뇌과학, 신경과학계와 긴밀한 커넥션을 가지고 연구를 하여 해결해야하는 사안이며, 또 현재의 뇌과학적인 지식도 특정 신경세포의 세세한 작용까지에 대해선 그 비밀을 밝혀내지 못했기 때문이다.

따라서 현재의 딥러닝은 각자의 테스크에 맞는 모델이나, 학습 테크닉을 구현해 오차역전파라는 알고리즘 아래에서 수행하는 것이 메인 스트림이다. 그렇기에 현재의 딥러닝 모델이 여러가지 작업을 일괄적으로 수행하는 것은 불가능하며, 어떠한 지시작업에 대한 데이터를 학습하여 최적화를 수행해 작업에 투입한다.

마치며...

그렇기에 성과있는 딥러닝 모델을 훈련시키기 위해선 해당 작업에 대한 배경 지식을 필요로 하며, 데이터를 처리하고 보상을 주는 과정을 거쳐야한다. 앞으로의 포스트에선 딥러닝과 머신러닝의 분야에서 어떠한 문제를 해결하기 위해 어떠한 방법을 고안했는 지를 포스팅할 것이다.