우리 일상에 빠르게 자리잡고 있는 딥러닝(D.L)의 사례

4차 산업혁명 하면 빠뜨릴 수 없는 키워드 인공지능!

요즈음 우리 일상생활 속의 많은 요소들이 스마트해지고 있는 추세이며, 핸드폰, 자동자, 스피커 등 모든 주변 기기들에 인공지능을 더해지고 있습니다. 그리고 이 인공지능이라는 단어와 함께 등장한 단어가 바로 ‘머신러닝’과 ‘딥러닝’입니다. 세 가지 개념에 대해 헷갈려 할 수도 있을 것 같은데요, 이 용어들에 대하여 먼저 알아 보도록 하겠습니다.

간략히 설명 드리면 인공지능은 인간의 사고력을 가지면서 인간처럼 생각하는 것을 말하며, 머신러닝은 Machine과 Learning의 합성어로서 기계가 스스로를 발전시키는 기술을 통칭합니다. 즉 알고리즘을 이용해 데이터를 분석하고 그 패턴을 인식하여 예측을 하는 것입니다. 끝으로 딥러닝은 스스로 학습한 후 결과물을 도출하도록 알고리즘을 구성하는 과정입니다.

 

이 3개 용어의 관계를 보면 흥미로운데요. 인공지능이라는 전체 집합 안에 머신러닝이 속해 있고, 머신러닝의 집합 안에 딥러닝이 속해 있다고 보시면 되겠습니다. 즉 머신러닝과 딥러닝은 인공지능을 가능하게 하는 기술 중 하나입니다.

그럼 지금부터 딥러닝이 어떻게 작동하는지 간단히 알아보도록 할까요?

딥러닝은 대량의 데이터와 기술을 활용하여 심층신경망(Deep Neural Network) 링크를 구현합니다. 기본적으로 심층신경망은 인간의 두뇌와 연결성을 모방한 것으로 인간이 감각기관으로 받아들인 정보를 분석하여 결론을 도출 하듯이, 기계가 입력 값에 대해 여러 단계의 신경망을 거쳐 자율적으로 사고 및 결론을 내리는 시스템입니다. 딥러닝은 스스로 논리를 만들도록 설계해 두고 데이터를 분석하고 답 할 수 있게 자가 학습 시키는 것이라고 이해하시면 됩니다. 그럼 우리 일상 생활속에서 활용 되고 있는 딥러닝 기술이 어떤 것들 있는지 알아보도록 해요!

 

스마트폰 음성인식 서비스

딥러닝을 활용한 스마트폰 음성인식은 흔히 일상생활에서 가장 쉽게 접할 수 있는 기술입니다. 사람의 오디오 신호에서 음성이 있는 구간을 찾아내고 해당내용을 인식해 문자로 변환하던 일반적인 기술에서 최근에는 단어 단위로 쪼개 인식한 뒤, 다시 문장으로 조합하여 문맥까지 인식 하는 수준까지 올라와 있습니다. 이러한 기술을 바탕으로 손을 사용하지 않고도 스마트폰 기능을 이용 할 수 있게 되었습니다.

사물 인식 서비스

사물 인식은 사진이나 SNS의 얼굴인식이나 구글 포토의 얼굴, 사물 인식, 자동자 번호판 인식 등 다양하게 쓰이고 있습니다. 이런 경험들은 흔히 있을텐데요, 길을 걷다 우연히 만난 이름모를 꽃! 옆에 친구에게 물어봐도 친구의 답변은 몰라! 이럴 경우 스마트폰 카메라로 촬영 해서 꽃 이름을 알아 낼 수 있는 시대가 왔습니다. 

번역기

딥러닝 기반으로 맥락을 이해하고 번역하는 기술에 열성적인 투자를 보이고 있는 IT 회사가 많아졌습니다. 대표적으로 구글, MS, 페이스북, 네이버 바이두 등이 있는데요, 특히 구글은 딥러닝 기술을 활용하여 기존에 ‘문구기반 기계번역(Phrase-Based Machine Translation,PBMT)’에서 단어 단위로 분할해 번역한 뒤, 다시 문맥에 맞추어 재조립하는 ‘구글 신경 기계 변역(Google Neural Machine Translation, GNMT)’ 시스템을 도입하여 정확도를 고도화 시키는 중입니다.

자율주행차

딥러닝을 활용해 자율주행 기술을 구현하는 기업들이 최근 2년동안 실리콘밸리를 중심으로 빠르게 출현하고 있으며, 대표적으로 구글, 바이두, 테슬라, 우버 등이 있습니다. 이들 기업은 종전의 자율주행 기술이 주로 자동차 전문가들에 의해 규칙기반 (Rule-based Approach)으로 구현되었던 것과는 달리 딥러닝을 활용해 마치 사람이 주행을 반복할수록 운전을 익혀가는 것과 같은 과정으로 자율주행 기술을 구현 하였습니다.

의료 산업

의료 산업은 4차 산업혁명 기술 적용이 가능한 분야로 기대가 되고 있습니다. 제약사들은 AI를 통해 ▲신규 후보물질 발굴▲전임상・임상 결과 예측 등이 가능 하며, AI의 활용 가능한 기능으로 ▲분자모델링▲대사・독성 예측▲질환과 유전자 등을 꼽을 수 있습니다. 평균적으로 신약 개발 과정은 약 15년으로 봤을 때 여기서 상당부분 차지했던 후보물질 발굴, 임상환자 분석 등이 개선될 것으로 기대 됩니다. 뿐만 아니라 X-Ray, MRI, CT 촬영 사진을 분석하여 증세를 초기에 짚어낼 수 있어 질병의 초기 발견 확률이 더욱 높아 질 수 있으며, 병원이 보유한 X-Ray 영상을 딥러닝 기술을 접목, 뼈 나이를 자동으로 알려줄 수 도 있습니다.

이 외에도 음성인식 비서 서비스, 동작인식, 금융 등 많은 분야에서 딥러닝 기술을 사용하고 있습니다. 지금보다 딥러닝 기술이 더욱 보편적인 기술로 자리 잡게 되어 미래 기술들이 상용화가 되면 이 세상에 어떤 변화가 찾아올지 기대 됩니다.