따라서 실생활에서 이용 가능하도록 더욱 똑똑한(상황에 대한 판단을 더욱 정밀하게 하는) 컴퓨터를 만들기 위해서 최대한 많은 변수를 고려하여 알고리즘을 구성해야 한다.
이러한 딥러닝이 가능해진 배경에는 인간의 뇌신경 회로를 모방한 '뉴럴 네트워크(Neural Network)'가 있다. 인간의 뇌는 수많은 뉴런(신경 세포)들로 구성되어 있고 서로를 잇는 시냅스(Synapse)란 곳을 통해 전기적 신호를 주고 받으며 자극(정보)이 처리되는 구조를 갖고 있다.
이때 시냅스는 모든 자극을 뉴런에 전달하는 것이 아니라 일정한 '임계치'를 넘을 때만 신호를 주고 받게 되는데, 특이한 것은 이 '임계치'는 인간의 학습/훈련/경험 등에 따라 계속 변화를 거듭한다는 점이다.
'뉴럴 네트워크'는 바로 이 개념을 알고리즘에 도입한 정보 처리 방식이다. 인간의 뉴런이 학습/훈련/경험 등에 의해 '임계치'에 변화를 주며 최적의 상황 판단을 내리듯이 '뉴럴 네트워크' 방식도 컴퓨터가 데이터를 input(학습)하는 과정에서 변수에 대한 '가중치'를 변화시켜 최적의 값을 도출한다.
[머신러닝①] 앨런 튜링의 3가지 조건
[머신러닝②] 인공지능 완성도, 알고리즘에 달렸다
[머신러닝③] 알고리즘에 통계·확률을 입히다
한승균 기자 / 전자공학 박사
<저작권자 © 빅데이터뉴스, 무단 전재 및 재배포 금지>