1장. 딥러닝을 소개합니다

2022-10-15

Do it! 정직하게 코딩하며 배우는 딥러닝 입문을 읽고 정리

사람의 지능을 만들기 위한 프로그램이나 시스템

인공지능은 강한 인공지능과 약한 인공지능으로 분류할 수 있다.

강한 인공지능 (Strong AI)
- 사람과 구분하지 못할 정도의 성능을 가지는 인공지능
- 대중매체에서 등장하는 인공지능 (스카이넷, 자비스 등등…)
- 아직은 구현하기 힘든 분야.
약한 인공지능 (Weak AI)
- 특정 영역에서 작업을 수행하는 인공지능
- 구글 어시스턴트, 시리 (음성인식 비서) / 테슬라 자율주행 자동차 등등

학습은 인공지능이 데이터 사이의 규칙을 스스로 찾아내는 것을 뜻한다.

전통적인 프로그램들은 사람이 규칙을 정해서 프로그래밍을 했지만,
인공지능은 스스로 규칙을 정하고 수정한다.

인공지능이 스스로 규칙을 찾아서 수정하는 것을 학습, 또는 훈련이라고 한다.

프로그램이 데이터 사이의 규칙을 스스로 학습하는 분야

머신러닝에는 여러 분야가 있다.

지도 학습 (Supervised Learning)
- 모델을 학습시키는 훈련 데이터에는 입력과 입력에 대한 답(타깃/레이블)이 주어진다.
- 모델을 훈련 데이터로 학습시킨 후 새로운 입력에 대해 예측을 할 수 있다.
- 모델을 학습시키기 위한 충분한 양의 데이터가 필요하다.
비지도 학습 (Unsupervised Learning)
- 입력만 존재하고, 타깃은 존재하지 않는 훈련 데이터를 사용하여 모델을 학습시킨다.
- 입력 데이터들 사이의 유사한 관계를 발견하여 그룹을 만들어낸다.
- ex) 클러스터링
강화 학습 (Reinforcement Learning)
- 모델(=에이전트)은 주어진 환경에서의 최적의 행동을 선택한다.
- 행동 수행에 대한 ‘보상’과 ‘현재 상태’를 받게 된다.
- 모델의 목표는 ‘최대한 많은 보상’을 선택하는 것이다.

*모델 : 훈련데이터로 학습된 머신러닝 알고리즘

인공신경망을 다양하게 쌓은 것을 딥러닝이라고 한다.
딥러닝은 수십개~수백개의 인공신경망을 쌓아 구성한다.

인공신경망은 사람의 뉴런이 정보를 전달하는 것을 모방했다.
하지만 인공신경망과 사람의 뇌의 동작 방식은 아주 차이가 나기 때문에,
둘이 같은 방식으로 동작한다고 오해하지 말아야 한다.

머신러닝, 딥러닝 모두 인공지능에 포함되는 기술이다.

데이터들 사이에서는 데이터를 표현할 수 있는 선형 방정식을 생성할 수 있다.
선형 방정식에서의 가중치와 절편을 찾는 것이 규칙을 찾는 것이다.

선형식의 값과 실제값의 차이를 비교하는 함수
손실함수의 값이 작을수록 모델의 성능이 좋다(예측을 잘 한다)고 생각할 수 있다.