[인공지능 인사이드]⑧ 신경망 이론이 대세

인공 신경망은 인간 두뇌와 비슷한 원칙에 따라 작동합니다. 기본 단위가 뉴런(신경세포)입니다. 신경세포는 시냅스를 통해 상호연결됩니다. 연결 강도는 시스템의 학습 경험에 달렸다고 하네요. 시스템은 낯선 데이터를 과거 학습했던 사례들에 기초해 평가합니다.
 

스마트폰에 탑재된 음성인식 시스템 예를 들어볼까요. 사람마다 다른 발음 탓에 생기는 오인식 비율을 줄이기 위해 스마트폰마다 신경망에 기초한 음성인식 시스템을 활용합니다. 시장조사기관 '리시치 앤 마켓'에 따르면 이 음성인식 시스템 시장은 해마다 16.3% 성장한다고 하네요.
 

신경망 이론은 1950년대부터 존재했어요. 다만 기술 장벽에 부딪혀 실행할 수 없었죠. 1990년대 새 알고리즘이 등장하면서 다시 뜨는가 싶더니 두뇌를 너무 모방하려다 보니 발전이 더디기도 했지요. 최근 그래픽카드(GPU) 기능이 개선되고 값이 내리면서 비약적으로 발전하고 있습니다.
 

신경망 이론의 총아가 딥러닝입니다. 딥러닝은 신경망 내 여러 뉴런 층(layer)을 적용한 모델입니다. 과거 신경망 기법은 인풋과 아웃풋간 뉴런 층이 없거나 아주 적었어요. 얼마 되지 않는 뉴런 갖고 작업하다보니 한계가 많았죠. GPU가 발전하면서 인공지능 개발에 박차를 가할 수 있었어요. 뉴런들 사이에 다른 뉴런 층을 만들어 더 복잡하고 더 많은 변수를 연산처리할 수 있게 됐어요.
 

뉴런간 상호작용 속에서 가중치를 매겨 가장 그럴 듯한 패턴이나 가중치 높은 아웃풋(output•출력)을 선택합니다. 선택 기준은 인간이 입력하거나 인공지능이 빅데이터를 처리하면서 스스로 학습합니다. 일종의 패턴을 인식하는 확률기반 모델이죠. 우리가 별 생각없이 사고하고 처리하는 일이 기계는 엄청나게 복잡한 과정을 거쳐야 구현할 수 있죠.
 

◇ 머신러닝 스스로 학습하는 컴퓨터
 

딥러닝을 아우르는 개념이 머신러닝입니다. 신경망 이론에 기초한 딥러닝이 대세다보니 요즘엔 머신러닝과 혼재되어 사용하긴 합니다. 머신러닝은 자기 경험을 통해 스스로 발전하는 컴퓨터 시스템을 어떻게 개발할까? 학습 과정을 지배하는 기본 원리는 무엇인가? 머신러닝 연구의 근저에 깔려있는 질문들이죠.
 

요즘 인공지능 연구에선 머신러닝이 대세입니다. 컴퓨터 연산능력이 커지고 데이터 양이 엄청나게 늘어나는 데다 스마트 알고리즘 개발 역량이 하루가 다르게 발전하면서 그 기술 내지 연구 성과들이 고스란히 머신러닝으로 통합되고 있습니다. 그러다보니 여러 영역에서 머신러닝이 쓰이고 있습니다.
 

예를 들어 머신러닝은 에너지 사용량을 전망해 얼마나 전력을 생산해야하는 지를 예측할 수 있습니다. 일종의 신경망 이론을 이용한 학습 프로그램입니다. 과거 기상 예보와 전력 사용 데이터에 기초해 미래를 예측하는 거죠. 처음에는 개별 변수들이 어떤 효과를 야기하는 지 알 수 없지만 수천번 이상 반복 처리하면서 전망치와 실제 값의 차이를 최소화하는 겁니다.
 

시장조사기관 가트너에 따르면 머신러닝 기술에 기초한 스마트 기계가 정보기술(IT) 역사에서 가장 파괴적인 기술이라고 합니다. 시장조사기관 BCC리서치는 2019년 스마트 기계 시장이 153억 달러까지 커진다고 예측합니다. 해마다 20%가량 성장하는 셈입니다. 머신 러닝 기술은 당분간 인공지능 개발의 중점 기술이 될 모양입니다.