딥러닝(Deep Learning)은 컴퓨터가 사람처럼 스스로 학습·추론·소통할 수 있는 인공지능(AI) 기술을 뜻한다. 인공지능 바둑 프로그램 ‘알파고’의 작동 원리로 알려져 주목받은 기술이다. 딥러닝 기술을 적용하면 사람이 어떤 정보를 받아들이고 거대한 신경세포 네트워크가 가동돼 인지·판단하는 것처럼 컴퓨터가 스스로 인지·추론·판단할 수 있게 된다. 다시 말해 데이터를 축적한 컴퓨터가 경험을 통해 스스로 학습하는 기술이다. 최근 들어 딥러닝 기술을 다양한 사업 영역에 적용하려는 시도가 속속 나오고 있다. 특히 사물인터넷(IoT) 시대가 오면 사물이 스스로 상황을 인지해야 하는데 이때 딥러닝 기술이 힘을 발휘하게 된다. 딥러닝 기술 개발에 글로벌 기업 중 가장 발 빠르게 움직인 곳은 구글이다. 구글은 음성 인식과 번역뿐만 아니라 로봇 인공지능 개발에도 딥러닝 기술을 활용하고 있다.

윤미선 프로스트앤드설리번 연구원

2016년 3월 구글의 인공지능(AI) 바둑 프로그램 알파고와 이세돌 프로기사의 바둑 대결로 인공지능에 대한 관심이 더욱 커졌다. 한국 정부도 뇌 자연 지능을 인공지능으로 연결하는 전략을 바탕으로 한 뇌과학 발전 전략을 발표하고 뇌과학에 대한 투자를 늘리고 있다. 그렇다면 인공지능은 우리가 알던 컴퓨터 능력과 얼마나 다른 걸까?

알파고에 사용된 기술은 우리가 익숙하게 사용해온 머신러닝(Machine Learning·사람이 학습하듯 컴퓨터에 많은 데이터를 입력해 학습하게 함으로써 새로운 지식을 얻게 하는 기술 -편집자)에서 한 단계 발전한 딥러닝(Deep Learning)이다. 딥러닝은 컴퓨터가 사람의 두뇌처럼 생각하고 배울 수 있도록 훈련하는 것이다. 즉, 사물이나 음성의 패턴을 인식하고 주변 환경을 추론하는 것이다. 딥러닝은 인공지능(AI·Artificial Intelligence), 사물인터넷(IoT·Internet of Tings), 소셜컴퓨팅, 음성 인식, 음성 및 텍스트 분석, 이미지와 객체 인식 같은 분야에 엄청난 진화를 불러온 미래지향적 기술이다. 딥러닝은 높은 레벨의 추상적 개념을 이해하도록 알고리즘을 사용하고 그것을 이용해 많은 데이터를 이해시키는 머신러닝의 한 형태이다.

딥러닝을 응용한 프로그램으로 자연어 처리, 약물의 독성 발견, 고객 중심 관리, 이미지 인식, 음성 인식 등이 있다. 자연어 처리는 문장에서 문맥을 추론하는 것으로 구성 요소 분석, 정서 분석, 정보 검색 등에 활용된다. 딥러닝을 통해 약물 성분의 패턴 분석이 가능하고, 이것으로 약물 독성에 관한 의학적 발전을 이룰 수 있다. 기업들은 고객의 데이터 생성 패턴을 이용해 맞춤 서비스를 제공할 수 있다. 이를 통해 기업은 다양한 마케팅과 브랜딩이 가능하다. 현재 우리가 검색엔진에 활용하는 간단한 이미지 인식 시스템에서 복잡한 이미지 캡션 시스템으로 변화하는 데는 딥러닝의 추론 능력이 필수적이다. 규모가 큰 데이터와 딥러닝으로 컴퓨터는 사람의 음성을 분석해 보통 사람 수준으로 음성을 인식하게 될 것이다.
　
추론과 통찰력으로 정서 분석 구현

▲ 인공지능(AI) 바둑 프로그램 ‘알파고’의 작동 원리로 주목받은 ‘딥러닝’은 데이터를 축적한 컴퓨터가 경험을 통해 스스로 학습하는 기술이다. 2016년 3월 서울에서 열린 구글 딥마인드 챌린지 매치 세리머니에서 이세돌 9단(오른쪽)과 데미스 하사비스 구글 딥마인드 최고경영자(CEO)가 바둑판을 들고 기념사진을 찍고 있다. 연합뉴스

딥러닝은 머신러닝의 분석 패턴뿐만 아니라 깊이 있는 추론으로 컴퓨터의 지식을 풍부하게 한다. 머신러닝에서 분석 패턴은 광범한 데이터가 존재할 때만 사용할 수 있다. 딥러닝은 머신러닝에 필요한 데이터 양보다 자료가 적더라도 추론으로 정보를 분석, 분류할 수 있다. 이는 머신러닝 시스템에 대한 인식을 개선할 것으로 예상된다. 기존 머신러닝 알고리즘에는 정서 분석이 통합돼 있지 않은데, 이 정서 분석을 광범위하게 실현하기 위해 딥러닝은 다차원의 알고리즘을 사용해 데이터를 처리한다. 로봇을 개발할 때 사람과 비슷하게 정서도 파악하도록 만들 수 있다.

기존 머신러닝 시스템은 일차원적으로 일해온 제조 분야에서 가장 적절히 사용됐다. 딥러닝은 정서 분석과 통찰력으로 고객을 많이 상대하는 기업의 마케팅이나 브랜딩 분야에 적절히 사용될 것이다.

딥러닝 연구소의 인터페이스(사용자가 컴퓨터나 프로그램과 의사소통을 하고 사용할 수 있도록 해주는 매개체 또는 ‘접점’ -편집자) 개발은 딥러닝과 관련된 응용프로그램을 더욱 활성화해 더 많은 기술을 개발하고 있다.

딥러닝 인터페이스에는 ‘비지도 학습’(Unsupervised Learning), ‘구현 언어 모델’(Implementing Language Model), ‘정서 지능’(Emotional Intelligence), ‘구조적 딥러닝’(Structured Deep Learning), ‘뇌 모델링’(Brain Modeling), ‘신경망 알고리즘’(Neural Algorithms) 등이 있다. 여러 기관들이 각각의 인터페이스를 연구하고 있는데 우리 삶에 많은 영향을 끼칠 것이다.

비지도 학습은 배움의 과정 없이 정보를 그룹화해 스스로 학습하는, 즉 직관의 발달로 인해 데이터 입력에 반응하고 적응하도록 하는 것이다. 음성 인식 기술의 진화로 인간과 기계 음성 사이 인터페이스 생성에 도움을 준다. 중국 최대 검색서비스 바이두에선 비지도 딥러닝을 위한 성 인식 솔루션을 만들어 대량의 음성 인식 데이터 처리가 가능해졌다. 비지도 딥러닝 기술로 혼잡하고 시끄러운 환경에서도 음성 인식이 가능하다. 이는 음성을 이용해 검색하는 사용자에게 더 정확한 검색 정보를 제공할 것이다.

구현 언어(프로그램 작성시 기술한 언어로 예를 들면 C언어 등이 있음 -편집자) 모델은 ‘문맥 자유 문법’(컴퓨터 프로그래밍 언어로 프로그래밍 설계에 중요하게 사용됨 -편집자) 설계를 쉽게 한다. 문맥 자유 문법은 기계와 사람 간 인터페이스에 성분 분석, 심리 분석, 정보 검색 삽입을 쉽게 한다.

정서지능은 감정을 인지, 구별하는 능력이다. 딥러닝은 정서를 추론하고 정보 수집에 도움을 줘, 기계나 응용프로그램 인터페이스에서 드러나는 정서를 인식하는 데 효과적이다. 딥러닝은 사용자의 이미지와 음성을 통해 정서지능에 대한 통찰력을 추론하는 인터페이스를 구축하는 데 도움이 된다.

구글은 정서를 이해하는 검색엔진을 구현하기 위한 연구를 하고 있다. 정확한 요구를 파악해 사용자 만족도가 높은 만큼 검색엔진에 대한 관심이 높다. 미국 미시간대학은 정서지능 데이터베이스에서 딥러닝 기반의 특징을 추출하는 연구를 진행하고 있다. 여러 정서를 분류해 그 특징을 추출하면 머신러닝 시스템에 큰 영향을 줄 것이다.

구조적 딥러닝은 많은 양의 데이터를 훈련하는 머신러닝 시스템을 사용한다. 딥러닝은 구조화된 알고리즘을 통해 대규모 지식을 쉽게 통합할 수 있다. 미국 워싱턴대학은 반구조화된 데이터 소스를 추출할 수 있는 시스템을 연구 중이다. 영국 옥스퍼드대학 딥러닝연구소는 객체와 텍스트 인식 시스템의 예측 분석을 구현하기 위한 연구에 몰두하고 있다.

▲ 딥러닝 기술 개발에서 앞서가는 구글은 음성 인식과 번역뿐만 아니라 로봇 인공지능 개발에도 딥러닝 기술을 활용하고 있다. REUTERS

그래픽 모델링은 분석 대상이 되는 환경 또는 데이터의 숨겨진 변수를 파악한다. 미국의 로런스버클리국립연구소(LBNL·Lawrence Berkley National Laboratory)의 시각화 그룹은 빅데이터 시스템의 시각화를 이룰 수 있는 솔루션을 설계했다. 이 솔루션은 우주론, 기후, 바이오 이미징, 입자물리학 관련 시각적 표현을 만드는 데 사용될 것이다.

뇌 모델링은 딥러닝이 뇌세포, 뉴로시냅틱(Neurosynaptic·인간 뇌의 인식, 행동 인지 능력을 궁극적으로 재현하는 것 -편집자) 칩, 그 각각의 기능을 효율적으로 복제하는 데 도움이 된다. 딥러닝의 뇌세포와 뉴로시냅틱 응용프로그램은 메모리 연결망을 통해 장기간 기억하는 걸 구현할 수 있게 한다. 메모리 연결망은 다양한 히스토리(지난 흔적) 데이터 또는 많은 양의 데이터 네트워크 분석과 효율적인 예측 분석을 제공한다.

구글의 브레인 프로젝트는 구글 검색엔진, 안드로이드 모바일 응용프로그램 및 이미지 검색 시스템에 인공지능 기능을 흡수시키는 방식으로 딥러닝을 사용했다. 구글은 딥러닝 사용으로 1천만 개 이상의 이미지 사이에서 정확한 검색 결과를 찾아내는 제품을 만들어 사용자 만족도를 높였다. 또한 이미지 인식 시스템과 검색엔진을 향상시켜 사용자에게 더 나은 결과를 제공한다. IBM리서치는 IBM의 뉴로시냅틱 칩 프로젝트에 적용할 딥러닝 시스템을 구현했다.

신경망 알고리즘은 인간과 유사한 적응력과 자기 조직화 능력을 가진 알고리즘이다. 신경망 구현은 지식 기반, 음성, 텍스트 응답의 관점에서 컴퓨터 및 기계들의 문맥 이해에 도움이 된다. 싱가포르 난양기술대학은 딥러닝을 기반으로 한 파싱(parsing·문장의 문법 구성 또는 구문을 추출·분석하는 과정 -편집자) 능력을 통해, 복잡한 구조로 작동하는 극단적 머신러닝을 연구하고 있다. 극단적 머신러닝은 짧은 시간에 정확한 결정을 내릴 수 있는 미래지향적 머신러닝 인터페이스이다. 소프트웨어 개발업체 라코와이어리스는 딥러닝 기반의 기계 구조를 개발해 복잡한 게임이론의 구현과 생성에 사용했다.

딥러닝으로 구동되는 게임이론의 응용은 주요 인프라 관리와 의사결정 시스템에 영향을 줄 것이다.

딥러닝은 여러 데이터층을 이해하고 추론해 패턴을 발견하는 능력이 있다. 추론은 종래의 학습 알고리즘에는 사용되지 않았으며, 추론을 기반으로 한 딥러닝으로 컴퓨터는 사람처럼 인지 가능하게 되었다. 딥러닝은 적은 양의 데이터군에서도 추론으로 다양한 패턴을 이해할 수 있기 때문에 쉽게 구현되는 장점이 있다. 항공우주 및 국방, 교육, 금융, 의료 산업 분야에선 엄청난 양의 데이터가 만들어지는데 이를 기반으로 딥러닝 알고리즘이 사용되면 많은 발전이 있을 것이다. 딥러닝은 정서·음성 분석으로 사람들의 구매 패턴과 행동을 예측할 수 있기 때문에 맞춤 서비스 분야에서 많이 활용될 것으로 보인다.

misun.yoon@frost.com

* 프로스트앤드설리번(Frost & Sullivan)은 고객 성장의 가속화를 위해 협력하는 ‘성장 파트너’로서 팀리서치(TEAM Research), 그로스컨설팅(Growth Consulting), 그로스팀멤버십(Growth Team Membership) 프로그램을 통해 고객이 효과적인 성장 전략을 수립·평가·실행할 수 있는 성장 위주의 문화를 창조할 수 있도록 지원하고 있다. 또한 50년 이상의 경험을 바탕으로 6대륙 40개 이상 사무소에서 1천여개 글로벌 기업, 새로운 비즈니스 분야 및 투자계와 협력하고 있다.