신경망 첫걸음, 01. 예측자 와 분류 기초

인공지능 / 딥러닝 에대해서 심도있는 이해를 위해 기초적인 책을 먼저 읽어봅니다.

바로 신경망 첫걸음 

 

• 인간의 지능을 가진 기계를 찾아서
• 자연에서 영감을 얻어 인공지능의 황금시대를 열다

1950년대 학자들이 인공지능을 수식으로 풀어내기 시작하면서 인공지능을 실제로 만들수 있다는 낙관적인 전망이 팽배

꿀벌이나 비둘기가 매우 단순한 뇌구조를 가졌음에도 불구하고 복잡한 업무를 수행할 수 있다는 점을 주목

1g 도 안되는 무게의 뇌로 하늘을 날고, 바람에 반응하고, 먹을 것을 발견하고 등등

 

꿀벌은 약 950,000개의 뉴런을 가지고 있다고합니다.

따라서 기가바이트 이상의 자원을 가지는 최첨단 컴퓨터를 활용하면 꿀벌보다는 좋은 성능을 낼 수 있지않을까 생각합니다.

하지만 컴퓨터가 아무리 방대한 저장능력과 빠른 CPU처리 능력을 가진다고해서 꿀벌이 수행하는 수준을 달성할 수 없었습니다.

 

이렇게 생물학으로부터 받은 영감을 기반으로 신경망 ( Neural Network) 이 등장합니다.

이 신경망은 얼마 안지나 인공지능 분야에서 가장 강력하고 유용한 방법론으로 자리매김

 

이 책은 바로 이러한 신경망에 대한 것이다.

참 흥미로울 것같다.

우리는 신경망을 직접만들고 이를 학습시킴으로써 손으로 쓴 숫자 이미지를 기계가 제대로 인식하게 할 것입니다.

 

인간에게는 쉽고 기계에게는 어려운

컴퓨터는 계산기라고할 수 있다. ( 수학연산을 매우 빠르게 수행하는 계산기일 뿐)

빠른연산은 그다지 지능을 필요로하는 작업이 아닙니다.

 

간단한 예측자

인공지능을 위해 아주 간단한 것부터 시작합시다.

질문을 받아 생각을 한다음에 대답을 출력하는 기계가 있다고합시다.

마치 눈을 통해 입력을 받고 두뇌를 통해 생각을 하고 분석을한다음에 그 것이 어떤것인지 결론을 냈던것처럼

분류는 예측과 그다지 다르지 않다

단순한 기계는 입력값에 대한 출력값이 어떻게 나올지 예측했다.

우리는 이 기계를 예측자 라고 부른다 ( Predictor )

우리는 예측 값과 실제 값을 비교해 오차를 도출했으며, 오차를 기준으로 상수 C 라는 매개변수값을 조정함으로써 예측의 정확도를 올렸다.

 

그래프에는 2개의 그룹이 있다

애벌래(warm)은 파란색 날씬하고 길이가 길며, 무당벌레(Ladybug)는 빨간색은 통통하고 짧다.

앞에서 봤듯이 선형함수는 말그대로 입력값을 받아 출력값을 출력했을 때 그 형태가 직선으로 나오게 됩니다.

우리는 선형함수에서 매개변수 값인 C 값을 조정함으로써 직선의 기울기를 변화시킬 수 있다.

이제 위 그래프에 직선하나를 얹어보겠다.

직선의 활용용도는 무엇일까?

직선은 미지의 곤충들을 측정값 (길이/폭) 을 기초로 해 분류하는 용도로 사용 될 수 있다.

하지만 위의 직선은 애벌레의 절반정도를 무당벌레와 같은 영역에 속하도록 분할하므로 분류의 역할을 제대로 하지 못한다.

이제 이 직선을 곤충의 분류자 (Classifier)으로 이용할 수 있다.

이번에는 알 수 없는 새로운 곤충을 한마리 발견했다

이제 우리는 위의 직선을 바탕으로 애벌레인지 무당벌레인지 분류해볼 것입니다.

위 그래프를 보듯이 이처럼 분류는 간단하지만 매우 강력한 방법임을 확인할 수 있다.

 

마지막으로 그러면 이 직선의 기울기는 어떻게 구해야할까?

이 질문에 대한 답은 신경망 학습하는 방법을 이해하는데 가장 중요한 부분입니다.