d라이브러리

AI가 사용하는 기계학습이 어떤 기술인지 알았지? 이제 전문가들의 이야기를 들으며, 기계학습이 어디에서 쓰이고 연립방정식이 어떻게 활용되는지 알아볼까?

매스프레소에서 콴다라는 애플리케이션을 개발하고 있는 AI 엔지니어 박선준입니다.

콴다는 학생들이 모르는 수학 문제를 카메라로 찍어 올리면 풀이를 검색해 보여주는 애플리케이션입니다. 문서에 새겨진 문자를 인식하는데 빛과 카메라를 이용하는 기술인 광학적 문자 인식(OCR·Optical Character Recognition)이 쓰입니다. OCR에는 기계학습, 그중에서도 지도형 기계학습이 사용됩니다. 사진으로 찍힌 문제에서 어느 부분이 수식이고 문장인지를 반복적으로 학습시켜 문장과 수식 그래프 데이터를 추출하는 거죠.

자연어를 처리할 때도 기계학습이 쓰입니다. 자연어란 사람이 일상에서 사용하는 언어를 말하는데요. OCR로 인식한 문장을 컴퓨터가 이해할 수 있는 언어로 바꾸는 과정이 바로 자연어 처리죠. 자연어 처리 과정을 통해 AI는 인식한 문제의 의미를 파악한 뒤 그 문제에 해당하는 풀이를 검색합니다. 또 같은 유형의 문제를 올리더라도 학생별로 적합한 난이도의 문제를 추천하는 데 기계학습이 쓰입니다. 난이도에 따른 정답률을 바탕으로 학생의 수준을 고려해 문제를 추천하는 방식이죠.

기계학습에는 선형대수학이 꼭 필요합니다. 기계학습으로 데이터를 분류하는 작업은 데이터 분포를 이동하거나 회전시키는 등 변형하는 방식을 통해 진행되는데, 행렬 계산은 선형대수학에서 점(데이터)의 위치를 바꾸는 데 쓰여요. 이때 행렬을 푼다는 것은 연립방정식을 푼다는 의미와 같습니다. 연립방정식과 행렬은 서로 변환할 수 있거든요. 어떤 행렬이 한 점을 다른 점으로 바꾼 상황을 가정해보겠습니다. 이 행렬은 나중 점을 처음 점으로 역변환해 알 수 있는데, 이런 변환에 대한 역변환 과정에 연립방정식이 사용됩니다. 이 과정을 충분히 이해하기 위해서는 선형대수학에 대한 이해가 필수입니다.

인간이 만들고 처리하는 데이터는 날이 갈수록 늘고 있죠. 데이터 처리와 AI 분야에 뜻을 품고 있는 친구들은 선형대수학과 기계학습을 살펴보면 도움이 될 거예요!

고려대학교 정보대학 컴퓨터학과에서 기계학습과 컴퓨터 비전을 연구하는 김승룡 교수라고 합니다.

저는 주로 3차원(3D) 컴퓨터 비전 분야를 연구합니다. 3D 컴퓨터 비전이란 컴퓨터 혹은 기계가 카메라를 통해 사물과 공간 혹은 패턴을 어떻게 인지하는지 연구하는 분야입니다. 지금까지 3D 컴퓨터 비전은 지도형 기계학습 위주로 연구가 이뤄져 왔는데요, 저는 최소한의 정답 혹은 정답 없이 기계를 학습시키는 비지도형 기계학습으로 3D 컴퓨터 비전을 개선하는 연구를 하고 있죠.

비지도형 학습을 활용한 3D 컴퓨터 비전은 스마트공장 같은 곳에서 사용할 수 있습니다. 공장에서 일하는 사람은 CCTV를 통해 제품의 불량 여부를 확인합니다. 그런데 어떤 제품이 불량인지 아닌지 사람이 일일이 정답으로 정해 놓고 컴퓨터에게 알려주기는 어렵습니다. 이런 경우 정답없이 기계를 학습시키는 비지도형 기계학습을 이용해 제품이 불량인지 아닌지 알아내는 거죠.

기계학습을 구현하는 모델은 여러 가지인데 그 중 현재 인공지능 기술의 핵심이자 기계학습의 일종인 심층 신경망(DNNs·Deep Neural Networks)을 구현하는 일에 연립방정식을 비롯한 선형대수학이 많이 쓰입니다. DNNs는 여러 개의 연립방정식으로 이루어진 모델입니다. 데이터를 입력해 나온 결과와 정답 사이의 오차를 나타내는 함수를 손실함수라고 하는데, DNNs는 연립방정식으로 구성된 손실함수를 최대한 작게 만드는 것을 목표로 합니다. 손실함수를 구하고 그 값을 작게 만드는 과정이 바로 연립방정식을 푸는 것과 같다고 말할 수 있어요.