딥러닝

딥러닝이란?

딥러닝(Deep Learning)은 머신러닝 알고리즘을 점점 더 복잡하고 추상화되는 계층 구조로 쌓아 올리는 인공 지능(AI)에 대한 반복적인 접근 방식이다. 각 딥 러닝 레벨은 계층 구조의 이전 계층에서 얻은 지식으로 만들어진다.

예를 들어 딥 이미지 인식 알고리즘의 첫 번째 레이어는 학습 데이터의 색상 패턴을 학습하는 데 집중하고 다음 레이어는 모양에 집중할 수 있다. 결국 계층 구조는 색상과 모양의 다양한 조합에 초점을 맞춘 레이어를 가지게 되며, 최상위 레이어는 실제 물체를 인식하는 데 중점을 둔다.

딥러닝은 현재 사용 중인 가장 정교한 AI 아키텍처다. 널리 사용되는 딥 러닝 알고리즘은 다음과 같다:

컨볼루션 신경망(CNN) – 이 알고리즘은 이미지의 여러 물체에 가중치와 편향을 할당하고 이미지의 한 물체를 다른 물체와 구별할 수 있다. 물체 감지 및 이미지 분류에 사용된다.

순환 신경망(RNN) – 알고리즘은 순차적인 데이터를 기억할 수 있다. 음성 인식, 음성 인식, 시계열 예측 및 자연어 처리에 사용된다.

장단기 메모리 네트워크(LSTM) – 알고리즘은 시퀀스 예측 문제에서 순서 의존성을 학습할 수 있다. 기계 번역 및 언어 모델링에 사용된다.

생성적 적대 신경망(GAN) – 두 개의 알고리즘이 서로 경쟁하며 서로의 실수를 새로운 학습 데이터로 활용한다. 디지털 사진 복원 및 딥페이크 비디오에 사용된다.

심층 신념 네트워크 – 각 계층이 두 가지 목적을 가진 비지도 딥 러닝 알고리즘으로, 이전에 나온 데이터는 숨겨진 계층으로, 다음에 나오는 데이터는 보이는 계층으로 기능하다. 암 및 기타 질병 감지를 위해 의료 분야에서 사용된다.

테코피디아가 설명하는 딥러닝

딥러닝은 신경망과 의사결정 네트워크 노드를 구축하고 훈련하는 데 사용된다. 4차 산업혁명(인더스트리 4.0)과 웹3.0의 핵심 기술로 꼽힌다.

딥러닝은 데이터의 특징을 수동으로 식별하지 않고, 대신 입력 예제에서 유용한 패턴을 발견하기 위해 학습 프로세스에 의존한다. 따라서 신경망을 더 쉽고 빠르게 훈련할 수 있으며, 인공지능 분야를 발전시킬 수 있는 더 나은 결과를 얻을 수 있다.

입력 데이터가 출력되기 전에 일련의 비선형성 또는 비선형 변환을 거치는 경우 알고리즘은 심층 알고리즘으로 간주된다. 오늘날 대부분의 비즈니스 애플리케이션은 얕은 머신러닝 알고리즘을 사용한다.

약한 인공지능라고도 불리는 좁은 인공지능(AI)는 하위 루틴 호출의 계층 구조를 구축하지 않는다. 대신, 이러한 유형의 학습 알고리즘은 단일의 개별 작업을 수행하도록 설계되었다.