안전한 인공지능 시스템을 위한 심층 신경망 강화

19

1

장

소개

심층 신경망은 시냅스와 뉴런이 작용하는 상황과 그 범위에서 사례를 보고 행동을 학습합니다.

사례는 훈련 데이터 형식으로 제공하며 모델이 원하는 방식으로 결과를 낼 때까지 신경망을 조

정합니다. 간단한 인공 신경망과 달리 심층 신경망 모델은 데이터를 입력하는 입력층과 데이

터를 출력하는 출력층 사이에 여러 개의 뉴런층을 포함하기 때문에 심층 신경망을 만들기 위한

훈련 단계는 ‘딥러닝’으로 분류합니다. 심층 신경망은 데이터나 문제가 단순한 인공 신경망이나

전통적인 머신러닝 접근법에 비해 매우 복잡한 경우에 사용합니다.

심층 신경망 모델은 다른 머신러닝 알고리즘처럼 단순한 ‘수학 함수’로 나타낼 수 있습니다. 이

것은 정말 중요한 포인트입니다. 연결된 뉴런으로 묘사하면 개념을 더 쉽게 이해할 수 있지만,

신경망을 구현하는 소프트웨어에서는 뉴런이나 시냅스를 참조해 볼 수 없습니다.

심층 신경망을 뒷받침하는 수학은 특히 강력해서 모델이 ‘모든’ 수학 함수에 근접할 수 있습니

다. 따라서 심층 신경망은 충분한 데이터와 계산 능력을 갖추고 훈련하며, 복잡한 입력 데이터

셋을 필요한 출력에 매핑하는 방법을 배울 수 있습니다. 딥러닝은 비정형 데이터 또는 주요 특

성을 식별하기 어려운 데이터를 이해하는 데 특히 유용합니다. 심층 신경망 모델은 이미지 처

리, 번역, 언어 이해, 날씨 예측, 금융 시장 동향 예측에 효과적입니다. 놀랍게도 심층 신경망은

훈련을 통해 인간의 창의성을 흉내 낸 것처럼 사실적인 이미지나 텍스트와 같은 데이터를 ‘생 ...