박재천의 디지털경제 이야기 <62> AI는 어떻게 공부하나? > News Insight

인공지능(AI)은 말하기, 분류하기, 문제 풀기와 같은 작업을 인간과 유사하게 수행할 수 있는 틀을 만드는 것을 목표로 한다. 데이터를 통해 데이터에 담겨져 있는 패턴을 학습하도록 하여 지능을 축적한다.  그림, 문장, 음악 등 모든 신호들을 보고 듣고 감응하며 담겨 있는 특징(패턴)들을 학습한다.  이는 마치 아이가 부모와의 대화, 경험 그리고 시행착오를 통해 배우는 것과 비슷하다.  

AI는 데이터를 사용하여 학습​

AI는 데이터를 사용하여 학습된다. 이 과정은 컴퓨터를 이용해 진행되지만 그 중심에는 인간의 뇌를 본 딴 수학적 모델인 신경망이 자리 잡고 있다. 따라서 학습과 훈련이라는 작업은 신경망을 훈련(최적화)시키는 것이다. 목적에 따라 학습 방법은 다양하게 제시되나, 크게 보아 다음과 같이 세가지로 분류된다. 

    지도 학습: 레이블이 지정된 예시를  AI가 알아차릴 때까지  수없이 제시하는 접근 방식이다. AI 알고리즘은 입력 데이터(이미지나 텍스트 등)와 함께 정확한 출력("고양이"나 "스팸" 등)을 쌍으로 제공받고, 자신이 만들어낸 예측과 제공된 정답 사이의 차이를 최소화하도록 가중치(매개변수)를 조정한다. 이는 선생님이 학생들에게 공부 시키는 것과 유사하다.  

    비지도 학습: 비지도 학습은 명시적인 지침(설명) 없이 데이터를 분석하고 분류하는 접근 방식이다. 지도 학습과 달리, 훈련 과정에서 정답이 제공되지 않는다. 대신, 데이터 내의 담겨진 패턴, 관계 또는 구조를 스스로 발견한다. 유사성이나 차이점과 같은 속성을 기반으로 유사한 항목을 그룹화 한다. 이 접근 방식은 패턴이 명확하지 않거나 사전에 어떤 특정 인사이트를 찾고 있는지 모를 때 특히 유용하다. 

    강화 학습:  강화 학습은 보상이나 패널티 형태의 피드백(평가)을 받으면서 ‘결정을 내리는 방법’을 학습하는 접근 방식이다. 다양한 행동과 전략을 탐색하면서 시간이 지남에 따라 누적 보상을 최대화하는 동작을 시행착오를 통해 학습한다. 지도 학습과 달리, 레이블이 지정된 예시가 없으며, 새로운 행동을 시도하고, 알려진 효율적 행동을 활용하면서 스스로 효과적인 전략을 발견한다. 이 접근 방식은 인간과 동물이 수많은 시행착오를 겪으면서 자연스럽게 학습하는 것을 모방한 방식이다. 게임(바둑과 같은) 플레이, 로봇 개발, 자원 관리와 같이 결정의 영향이 즉각적이 아닌 시간에 걸쳐 전개되는 ‘순차적 의사 결정’ 문제에 특히 적합하다. 

효율적 데이터 준비로 시작하여, 단계적으로 훈련을 진행​ 

AI의 똑똑함은 데이터에 크게 좌우된다. 따라서 질 좋은 데이터를 준비하는 것이 무엇보다 중요하다. 실제 모델을 개발할 때 이과정이 가장 비용과 시간을 많이 소요한다고 알려져 있다. 효율적인 데이터를 준비하는 것으로 시작하여, 다음과 같이 단계적으로 훈련을 진행하는 것이 일반적이다.  

    1. 데이터 수집 및 준비: 입력 데이터를 수집하고 오류가 없도록 정리한다.   

    2. 모델 선택: 문제에 따라 적합한 알고리즘을 선택한다.  

    3. 모델 훈련: 훈련 데이터를 사용하여 모델의 매개변수(신경망의 가중치)를 조정하여 예측 오류를 최소화한다.  

    4. 테스트 및 평가: 테스트 세트를 적용해 모델의 성능을 확인/평가한다. 성능이 낮으면 질 좋은 데이터를 더 많이 수집한다.  

    5.정제 및 배포: 테스트 결과를 기반으로 모델을 정제하고 실세계에서 사용하도록 배포한다.  

<ifsPOST>

 ​