인간은 컴퓨터와 게임을 하는데, 그런데 그들은 "딥러닝"을 생각해 냈습니다.

1956년 8월 31일, 유명한 컴퓨터 과학자 존 매카시는 다트머스 회의에서 인공지능 계획을 제안하면서 인공지능 혁명의 불꽃이 타올랐고, AI 개발이 시작되었습니다. 그 이후 AI는 규칙 기반 시스템에서 머신 러닝 기반 시스템으로, 그리고 현재는 딥 러닝 기반 시스템으로 점차 전환되었습니다.

이는 인간이 입력한 규칙에 의존하여 작동하는 최초의 AI 시스템입니다. 이것이 또한 가장 큰 문제인데, 규칙에 너무 의존적이며, 규칙의 변화에 적응하기 어렵고, 적용에 큰 제약이 있습니다.

이 문제를 해결하기 위해 머신러닝 방법이 등장했습니다. 이 시스템은 방대한 양의 과거 데이터와 인간의 정보 입력을 통해 자율 학습을 달성하고, 간단한 데이터나 규칙 변경에도 적응할 수 있습니다.

하지만 이 시스템은 인간의 정보 입력에 크게 의존하므로, 정보를 입력하는 사람은 특정 전문 지식을 갖추고 해당 정보가 정확하고 포괄적인지 확인해야 합니다. 그러나 적용 시나리오의 수가 증가함에 따라 정보가 정확하고 완전하다는 것을 보장하는 것이 거의 불가능해졌습니다.

기계 학습이 인간의 정보 입력에 지나치게 의존하는 문제를 해결하기 위해 딥 러닝, 즉 "표현 학습"이 등장했습니다.

이 시스템은 방대한 양의 과거 데이터를 통해 자체 학습을 달성하고, 다양한 미래 결과를 예측하고, 해당 솔루션을 수립합니다. 이를 통해 머신 러닝이 인간의 정보 입력에 지나치게 의존하는 문제와 인간의 정보 입력에서 오류율이 높다는 문제를 해결할 수 있습니다.

AI, 머신 러닝, 딥 러닝의 관계를 이해하려면 딥 러닝을 머신 러닝의 하위 집합으로 간주하고, 머신 러닝을 AI의 하위 집합으로 간주할 수 있습니다. 따라서 전체 AI 시스템을 구축하는 데 있어서 딥러닝은 비교적 중요합니다.

그렇다면 딥러닝은 왜 이런 모든 일을 할 수 있을까요?

답은 우리가 종종 신경망 알고리즘이라고 부르는 것입니다. 신경망은 인간의 신경 세포 조직과 유사한 많은 간단한 처리 연결 지점으로 구성됩니다. 일반적으로 다음 세 가지 수준으로 구성됩니다.

입력 계층:데이터 입력;

숨겨진 레이어:입력 계층과 관련된 처리 노드(신경망은 일반적으로 두 개 이상의 숨겨진 계층을 가짐)

출력 계층:처리된 정보를 출력 가능한 노드로 변환합니다.

신경망은 간단한 패턴부터 복잡한 패턴까지 인식하여 작동합니다. 그들은 네트워크의 첫 번째 계층에서 간단한 데이터 처리 기능을 배우고, 그런 다음 관련 정의에 따라 노드를 생성합니다. 그런 다음 이 노드가 네트워크의 후속 계층에 입력되어 더 복잡한 기능을 도출합니다. 이 모든 과정은 최종적으로 출력될 때까지 계속됩니다.

1943년, 미국의 신경과학자 워런 맥컬러치는 수학과 임계값 논리 알고리즘을 기반으로 한 신경망 컴퓨팅 모델을 제안했는데, 이는 딥러닝 시스템의 이론적 기반이 되었습니다.

그러나 딥 신경망을 훈련시키기에 충분한 데이터가 부족하고, 이를 훈련시키기에 충분한 컴퓨팅 능력이 부족해 연구 개발이 느렸습니다. 1980년이 되어서야 후쿠시마 구니히코가 인공 신경망을 기반으로 한 딥러닝 프레임워크를 제안했습니다.

요즘은 빅데이터와 클라우드 컴퓨팅을 기반으로 딥러닝이 급속히 발전하고 있습니다. 2000년 이래로 컴퓨터의 연산 능력은 10,000배나 증가했고, 데이터 저장 비용은 약 3,000배 감소했습니다. 또한 인터넷의 등장, 스마트폰의 대중화, 소셜 미디어의 등장으로 인해 신경망에서 사용할 수 있는 방대한 양의 데이터가 생성되었습니다.

물론 AI가 항상 당신과 바둑을 두는 것은 불가능할 텐데, 그렇다면 AI와 히카루노 바둑의 차이점은 무엇일까요? (잘못된)

실제 적용 측면에서 볼 때, 딥 러닝은 이전에는 인간만이 할 수 있었던 일을 할 수 있습니다. 예를 들어, 인간은 이미지를 통해 특정 사물을 식별하고, 번역을 통해 다른 나라의 언어와 문화를 이해하는 데 능숙합니다. 이제 딥러닝도 같은 일을 할 수 있습니다.

또한, 딥러닝은 컴퓨터 비전과 자연어 처리에서도 좋은 성과를 보입니다. 물론, 이는 딥 러닝의 보다 일반적인 적용 분야일 뿐입니다. 미래에는 딥러닝의 가능성이 더욱 커질 것입니다. 예를 들어, "아이언맨"에 나오는 자비스 같은 집사를 여기 있는 모든 사람에게 제공하는 것과 같습니다.