층을 아주 많이 쌓은 신경망으로 배우는 머신러닝 방식이에요.
딥러닝은 신경망을 여러 층으로 깊게 쌓아서 배우는 머신러닝이에요. '딥(deep)'은 똑똑하다는 뜻이 아니라 층이 많다는 뜻이에요. 앞쪽 층은 선이나 점 같은 단순한 특징을, 뒤쪽 층은 눈·코·얼굴 같은 복잡한 특징을 잡아내요.
아이디어는 오래됐지만, 깊은 신경망을 잘 학습시키기는 오랫동안 어려웠어요. 2012년 이미지넷 대회에서 깊은 신경망이 큰 차이로 우승하면서 판이 바뀌었어요. 많은 데이터, 그래픽카드(GPU)의 빠른 계산, 깊은 구조가 한자리에 모인 덕분이에요. 지금의 번역, 음성 인식, 대형 언어 모델도 대부분 딥러닝으로 만들어요.
비유로 보면
그림을 배울 때 처음엔 선 긋기, 다음엔 도형, 그다음 얼굴, 마지막에 표정을 배우잖아요. 딥러닝의 층도 이렇게 쉬운 것부터 어려운 것 순서로 한 단계씩 쌓여요.
예를 들면
번역 앱이 문장을 통째로 자연스럽게 옮기는 것도 딥러닝 덕분이에요.
이 낱말과 이어진 기록
출처로 확인한 AI 역사 속 장면이에요.
Alex Krizhevsky·Ilya Sutskever·Geoffrey Hinton
ImageNet Classification with Deep Convolutional Neural Networks(AlexNet)
GPU·대규모 데이터·심층 CNN의 결합을 논문으로 정착시킴. 현 딥러닝 시대의 관례적 기점
Geoffrey Hinton·Simon Osindero·Yee-Whye Teh
A Fast Learning Algorithm for Deep Belief Nets
깊은 망을 학습시킬 수 있다는 것을 다시 보여 2000년대 딥러닝 부활의 계기가 됨