모든 공학 이론은 3초 안에 설명할 수 있어야 제대로 이해한 것이라는 ‘3초 공학’ 이론이 있다.
물론 3초 만에 모든 것을 설명하는 건 불가능하다. 하지만, 3초 안에 핵심을 설명하고, 그 핵심을 3분 안에 다시 풀어 설명하고, 각각을 다시 3시간 안에 상세히 설명할 수 있다면, 그 지식은 살아있는 지식이고 쉽게 잊히지 않는 지식이며, 나아가 응용하기 쉬워진다는 개념이다.

‘인공지능’ 하면 여전히 알파고가 떠오르는가? 그건 옛날이야기다. 현재는 IBM의 인공지능 왓슨 등이 의료 분야에 활용되고 있고, 알파고의 동생인 알파폴더는 단백질 구조를 찾아내는 바이오 분야에서 많은 성과를 거두고 있다. 2020년 CES쇼에서 삼성전자는 인공 인간 네온을 발표하며 세계를 깜짝 놀라게 했다. 향후 로봇 분야에서 인공지능이 많은 역할을 담당하게 될 것이고, 범용적으로 쓰일 수 있는 인공지능이 모든 분야에 확산, 보급될 전망이다.

인공지능은 무엇보다 각 분야의 전문가들이 어떻게 활용할 것인지가 가장 중요하다. 저자는 인공지능을 실제 사례를 중심으로 풀어가며 해설해, 이해도와 응용력을 높일 수 있도록 힘썼다. 이로써 인공신경망과 딥러닝의 큰 틀과 원리를 이해하고, 일상에서 어떻게 활용될 수 있는지 생활 속 예제들을 통해 살아있는 인공지능을 경험할 수 있기를 기대한다.

누구나 쉽게 따라하는 인공지능
이용권 지음 | 씨마스21 | 280쪽 | 2만1000원

#10줄서평 #PART 2 신경망 완전정복

1. 퍼셉트론이란 아주 단순한 형태의 신경망으로 1950년대에 이미 그 이론이 완성되었으나, XOR 문제를 못 푸는 등의 한계가 명확했다. 이후 다중 퍼셉트론의 등장으로 현재의 인공신경망 모델이 완성되었으나 퍼셉트론 자체만으로도 인공지능을 이해하는 데 아주 중요한 모델이라 할 수 있다.

2. 초간단 신경망은 1개의 정답을 가르쳐 주고 1개의 정답을 찾아내는 것이니 신기할 게 하나도 없지만, 신경망이 어떻게 작동하는지를 이해하는 데는 좋은 모델이라 생각한다. 인공신경망의 재미있는 부분은 정답을 가르쳐 주지 않는 부분도 찾아낸다는 것이다. 즉 100만개의 정답이 있는 경우, 100개의 정답만 알려주면 나머지 99만9900개의 정답도 찾아낸다는 것이다.

3. 프랙탈 구조에 대해 들어본 적이 있는가? 프랙탈이란 자기 유사성을 가진 기하학적 구조를 뜻하는 말로, 전체 구조의 일부분이 정체 구조를 닮으면서 영원히 반복되는 특성을 가지고 있다. 그리고 이는 자연 현상에서 아주 쉽게 찾아볼 수 있다. 예를 들어 눈의 6각형 결정, 브로콜리의 울퉁불퉁한 표면, 번개의 모양, 강줄기, 나뭇가지의 형상 등등…

3. 수학적으로 미분과 적분을 여러 정의를 통해 배워 왔지만, 공학적으로 미분은 예측, 적분은 경험에 가깝다고 할 수 있다. 어떤 동영상을 한 컷, 한 컷 떼어내면 정지 영상이 보이는데, 각각의 정지 영상이 어떻게 변해 가는지를 보면 다음의 정지 영상을 예측할 수 있게 된다. 이처럼 하나씩 분해하면서 변화의 양을 살피는 것이 미분이다. 반대로 만화영화처럼 정지 영상을 연결해 동영상을 만들 수도 있다. 조금씩 변화하는 것을 섞어서 어떤 흐름을 만드는 것이 적분이며, 이는 우리가 살아가는 과정 또는 인생의 경험과 같다고 볼 수 있다.

4. 로그함수는 지수함수의 역함수 정도로만 알고 있다면 로그를 너무 무시하는 것이다. 사실 로그는 너무너무 위대하고 편리한 수학적 도구다. 70년대 초까지만 해도 전자계산기가 없었는데, 그때까지는 대부분의 과학자, 공학자들이 로그스케일로 된 로그자라는 것을 이용해 복잡한 계산을 했다. 로그는 복잡한 계산을 간편하게 할 수 있도록 도와주는 아주 고마운 존재다.

5. 파이썬은 현재 세계에서 가장 많이 사용되는 컴퓨터 프로그래밍 언어 중 하나로 인공지능 개발과 관련된 다양한 모듈이 제공되므로, 인공지능 학습 빛 개발에 있어 가장 강력한 툴이라 할 수 있다.

6. 암호화폐의 핵심은 블록체인이라고 하는 금액과 소유자의 정보 등이 들어있는 장부를 관리하는 기술과 암호해독을 통해 화폐를 만들어 내는 채굴 기법이라 할 수 있다. 암호는 다양한 형태로 만들어 낼 수 있지만, 컴퓨터가 쉽게 풀지 못하는 수학적 기법을 사용하는 경우가 많다. 가장 많이 사용되는 암호는 2, 3, 5, 7, 11, 13…과 같은 소수를 이용하는 것이다. 왜냐하면 큰 숫자의 소수는 컴퓨터로도 쉽게 계산해 내지 못하기 때문이다. 실제로 많은 사람이 수억개의 소수를 학습해 소수를 쉽게 찾아내는 인공지능을 만들려고 애쓴 바 있지만, 모두 실패했다.

7. 우리는 이해하기 어렵거나 풀기 어려운 문제에 봉착했을 때, 귀납적 추론을 이용해 풀면 의외로 간단히 풀리는 경우가 많다. 예를 들어 머신러닝의 오차역전파법을 이해할 때, 일반화를 통한 연역법적 풀이를 하기보다는 1 x 2 x 1과 같은 간단한 사례에 대해 먼저 이해하고 이를 2 x 3 x 2와 같이 확장해 나가면 전체적인 패턴을 찾을 수 있고, 최종적으로 일반적 풀이에 도달할 수 있게 된다. 귀납 추론은 수학적인 문제뿐만 아니라 다른 복잡한 문제도 이해하기 쉽게 하고 해답을 구할 수 있는 방법을 제시하니 다양한 사례에 많이 적용해 보기 바란다.

8. 최적화 기법이란 특정한 집합 또는 영역 안에서 함수 또는 어떤 값이 최대 또는 최소가 되는 상태를 해석하기 위한 방법을 말하며, 인공지능에서 최적화란 손실함수의 값을 최소화하도록 가중치 또는 기준치를 업데이트하는 방법을 말한다. 경사하강법은 가장 단순한 형태의 최적화 기법이다.

9. 모멘텀은 일반적 경사하강법의 단점을 극복하기 위해 고안된 것으로, 최적화 문제를 물리학적 관점에서 해석해 가속도를 주는 개념으로 설계한 것이다. 위쪽에 있는 공이 굴러떨어질 때 위치 에너지가 운동 에너지로 바뀌며, 모멘텀이 붙는 것을 활용한 기법이며, 학습을 가속화해 보다 빨리 수렴할 수 있게 하는 장점이 있다.

10. 모멘텀 기법 외에도 다양한 최적화 기법들이 존재하니 용어 정도는 꼭 익혀 두기를 바란다. 최적화 기법의 수식은 다소 어려운 내용이 될 수 있으나, 텐서플로를 통해 인공지능 모델을 프로그래밍할 때 용어가 자주 등장하기 때문이다.

하순명 기자 kidsfocal@chosunbiz.com