데이터 라벨링과 인공지능
데이터 라벨링 작업은 인공지능의 한 부분이다. 인공지능이 작동하기 위해서는 많은 데이터가 필요하고, 그 데이터를 인공지능이 읽을 수 있도록 분류하는 작업이다. 따라서 데이터 라벨링 작업을 위해서는 인공지능의 원리를 이해하여야 한다. 아래 내용은 '한국인공지능협회'에서 만든 강의 자료를 바탕으로 작성되었다.
1. 인공지능의 원리
인공지능은 인간의 뉴런구조를 컴퓨터로 모방하여 만든 것으로 '퍼셉트론' 구조라고 한다. 퍼셉트론은 1957년 프랑크 로젠블라트가 제안한 것이다
2. 인공신경망의 표현방식(Artificial Neural Network)
퍼셉트론들이 모여서 인공신경망을 구성하게 된다. 이렇게 만들어진 인공신경망을 ANN이라고 한다. 이것은 생물학의 신경 구조를 연구하여 만든 알고리즘으로 신경망의 기초가 된다.
인공신경망의 구조
입력층(input layer)
은닉층(hidden layer)
출력층(output layer)
신경망의 구조는 데이터를 입력(입력층), 입력된 데이터를 처리하고(은닉층), 처리된 데이터를 출력하는 층(출력층)으로 나뉜다.
3. 인공지능 방법론
인공지능(Artificial Intelligence)이 가장 큰 개념이며, 이 안에 머신러닝(Machine Learning)과 딥러닝(Deep Learning)이 포함된다.
인공지능의 궁극적 목표는 인간처럼 생각하고 판단하는 컴퓨터를 만드는 것이다. 하지만 현재의 기술력으로는 이에 미치치 못하고 있다. 하지만 과학자들은 자율주행, 알파고, 벽돌깨기와 같은 각 분야의 인공지능을 한 곳에 모으면, 미래에는 인간처럼 생각하는 인공지능이 탄생할 수도 있다고 생각하고 있다.
머신러닝은 인공지능 중 하나이며, 인공신경망, 결정트리, 베이즈 네트워크, 서포트 벡터머신... 등 다양한 방법이 있다.
이중 인공신경망을 딥러닝이라 한다.
딥러닝은 인간의 뉴런처럼 스스로 학습하는 시스템을 말한다. 수없이 많은 데이터를 입력하여 학습하는 머신러닝과 달리 딥러닝은 주어진 조건 아래서 스스로 학습하여 결과를 만들어내는 시스템이다. 이세돌을 이긴 알파고는 러닝머신으로 수많은 기보를 입력하여 바둑 실력을 키운 것이고, 이 알파고를 이긴 알파제로는 바둑의 원리만 입력시킨 후 스스로 학습하게 한 딥러닝 기술이다.
4. 머신러닝 학습방법
머신러닝의 학습방법에는 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning) 강화학습(Reinforcement Learning)이 있다. 현재 대부분의 인공지능은 지도학습 방법을 사용하고 있다.