이토록 쉬운 딥러닝을 위한 기초수학

이토록 쉬운 딥러닝을 위한 기초 수학 with 파이썬
마스이 도시카츠 지음, 이중민 옮김 / 루비페이퍼 / 2019년 8월

     요즘은 AI 인공지능이 미래의 대세이고 흐름이라고 합니다. 

     그래서 "AI란 무엇인가?"라는 AI 입문서에서 시작하여 AI에 관련된 책을 읽어 보고 있습니다. 

     '이토록 쉬운 딥러닝을 위한 기초수학'도 딥러닝과 수학이 어떻게 연결되는가 하는 궁금한 마음에 책을 펼쳐봤습니다.  (책이 '기초수학'이니까요....)

     음.. 그런데 이 책은 저와 같은 완전초보, 그것도 문과쪽 출신학생이 '휘리릭'하고 쉽게 책장을 넘기며 이해할 수 있는 책은 아니라는 결론입니다.  완전 초보는 정말로 꼼꼼히 읽어야 할 책입니다. 

     문과에서는 벡터를 배우지 않았기에, 벡터가 나오는 순간... 

     '아~ 이것을 어찌해야 할까?'하는 걱정이 들기도 했지만, 다행스럽게 저자께서 벡터에 대한 간략을 설명을 해주셨기에 겨우 이해하고 넘어갔습니다. 

     비록 어려웠지만, 이 책은 수학 개념을 파이어썬과 함께 설명함으로써, 수학개념을 어떻게 컴퓨터 프로그램에 적용시켜야 하는지 에 대한 부분을 살펴볼 수 있었습니다. ​

     인공지능(AI)를 실현하는 방법으로 딥러닝과 머신러닝이 있습니다. 

     머신러닝은 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야입니다. 

     신경망은 생물학에서 영감을 얻은 것으로 관측한 데이터로부터 컴퓨터가 학습을 하게 하는 프로그램 패러다임입니다. 

     딥러닝은 머신 러닝을 더 발전시킨 단계로. 딥 러닝은 데이터 자체에서 중요한 특징을 기계 스스로 학습합니다. 따라서 인간이 데이터를 제공하면서 발생할 수 있는 오류(인간이 개입함으로 생길 수 있는 오류)를 줄일 수 있다는 특징이 있습니다. 

     왜 이렇게 AI에 대한 관심이 깊어졌을까요?

     예전에도 컴퓨터가 없었던 것은 아닌데 말입니다. 

     그것은 대량의 데이터가 축적되었고, 크라우드 컴퓨팅과 GPU등으로 연산 처리의 고속화, 저장장치의 병렬화 및 대용량화, 여러 대의 컴퓨터 동시 사용 등이 가능해졌기 때문입니다.  이 2가지 조건이 일치되면서 AI 실현에 대한 가능성이 높아졌습니다. 

     머신러닝은 데이터양이 적은 상황에서는 정확한 결과를 얻기 어려울 때가 많습니다. 그렇기에 차라리 적은 데이터가 있는 경우에는 사람의 판단으로 문제를 해결하는 것이 효율적이었습니다. 

     예를 들어 스팸 메일을 판단할 때는 스팸 메일에 자주 포함되는 문장의 특징을 규칙으로 사람이 이를 지정하는 것이 더욱 정확했으나 합니다. 빅데이터가 모아진 지금에는 딥러닝을 통해 많은 양의 문장과 판단 결과로 자율적으로 학습한 후 스팸 메일을 제거하는 규칙을 정할 수 도 있는 단계까지 왔다고 합니다.