전체상품목록 바로가기

본문 바로가기



현재 위치

  1. 제품소개

딥러닝 (Deep Learning) 기술은 무엇인가요?

딥러닝은 특수한 인공신경망을 사용하여 영상이나 음성과 같은 신호를 식별하는 인공지능 알고리즘입니다. 얼마 전까지만 해도 컴퓨터가 일반 영상에서 물체를 인식하는 것이 어려웠습니다. 개와 고양이도 잘 구분하지 못했죠. 그것이 딥러닝의 출현으로 가능해 졌습니다. 사실 딥러닝은 영상 인식 뿐만 아니라 음성인식, 언어 인식 등 거의 모든 인공지능 분야에서 획기적인 발전을 이룩하고 있습니다.

딥러닝 콘볼루션 인공신경망 그림

딥러닝에서는 인식하는 알고리즘과 인식의 대상이 되는 데이터가 분리되어 있으며, 어떤 분야의 인식이라도 (개와 고양이를 인식하든 자동차와 자전거를 구별하든 말이죠) 주어진 데이터를 통해 스스로 배워서 인식을 수행하는 능력을 가지고 있습니다. 사람으로 치면 딥러닝 알고리즘은 두뇌에 해당하고 데이터는 각 분야의 지식에 해당한다고 할 수 있죠 (그래서 두뇌도 똑똑하고 학습도 잘 해야 뭐든 잘 할 수 있는 것이죠). 그러면 딥러닝이라는 두뇌가 얼마나 똑똑한지는 어떻게 알 수 있을까요? 미국에서 매년 열리는 이미지넷챌린지라는 경연을 통해 알고리즘의 아이큐 테스트를 해서 우열을 가립니다. 이 경연을 통해 AlexNet이니 GoogleNet이니 하는 유명한 딥러닝 알고리즘이 1등으로 뽑혔었죠. 우리나라에서도 여러 곳에서 참여하여 매년 좋은 성적을 거두고 있습니다. 최근의 짱은 ResNet이라는 알고리즘으로 사람의 수준과 유사하다고 합니다. 과거에는 지식과 알고리즘이 혼재되어서 각 분야의 알고리즘을 새로 만들어야 했지만, 딥러닝에서는 높은 아이큐의 알고리즘은 분야에 무관하게 좋은 결과를 냅니다. 먼저 좋은 두뇌를 고르고 대상이 어떤 것이든 잘 가르치면 됩니다.

알고리즘과 도메인 지식의 분리 그림

딥러닝으로 실생활에서 물체를 인식하는 서비스를 만들고 싶은데
무엇을 해야 하나요?

딥러닝은 한번의 학습(training) 과정과 지속적인 인식(inference) 과정의 단계를 거칩니다.

딥러닝의 학습은 컴퓨터에 고성능의 그래픽처리장치(GPU)를 꽂아서 사용합니다. 여기에 카페(Caffe)나 텐서플로(TensorFlow)와 같은 딥러닝 전용 소프트웨어를 설치하고 원하는 알고리즘을 결정한 후, 인식하고자 하는 대상의 이미지를 넣어서 학습을 진행합니다. 보통 GPU가 장착된 컴퓨터는 부피도 크고 수 백 와트의 많은 전기를 소모하지만, 서비스 현장에서 실시간으로 진행되는 단계가 아니고 서비스 전 단계에서 이루어지기 때문에 그래도 큰 문제는 아닙니다.

인식 할 때에도 GPU가 설치된 컴퓨터가 사용될 수 있습니다. 딥러닝 전용 소프트웨어도 똑같이 필요하죠. 거기에 기존 서비스 시스템과 연동하는 소프트웨어 환경을 추가로 개발해야 합니다.

여기에 문제가 있습니다. 물체 인식기능은 다양한 서비스 현장에서 많은 수의 기기가 실시간으로 이루어 져야 하는데 (전국에서 꽃매미와 같은 해충을 조기 발견하는데 사용된다고 생각해 보세요), 시스템 구축 비용도 비용이지만 소비되는 전력이 막대하여 설치가 어려운 경우가 많습니다. 게다가 딥러닝 전용 소프트웨어는 상용 라이선스가 필요합니다.

딥러너는 여기에 대안을 제시합니다. 손바닥 만한 크기에 전기도 조금 먹고 ResNet을 포함하여 다양한 최신의 딥러닝 알고리즘을 빠른 속도로 실행하여 물체를 인식합니다. 학습은 딥러너 자체에서 하는 것은 아니지만 기존처럼 GPU가 장착된 컴퓨터를 사용할 수도 있고 저희가 제공하는 학습 소프트웨어를 사용하면 딥러닝에 대한 지식이 없어도 간단한 단계를 통해 학습시킬 수 있습니다.