전체기사 최신뉴스 GAM 라씨로
KYD 디데이

[김정호의 4차혁명 오딧세이] 인공지능은 강아지와 고양이를 어떻게 구분할까?

기사입력 : 2019년01월14일 07:55

최종수정 : 2019년01월14일 08:04

알고보면 흥미로운 선형대수(linear algebra. 線型代數)

보통 고등학교 때 처음 수학 ‘행렬’을 배운다. 행렬은 다차원적인 숫자의 나열로 2차원인 경우 '(x,y)'로 표현된다. 대부분의 고등학교 수학처럼 왜 배워야 하는지, 어디 쓰는지 그때 알기 어렵다. 그런데 이 행렬 수학이 ‘인공지능 컴퓨터 계산’의 핵심 방법이다.

김정호 카이스트 교수

필자는 대학 2학년때 ‘선형 대수학’이라는 수학과목을 수강했다. 행렬의 수학적 의미와 원리를 배운다. 이 과목은 필자가 대학 때 공부한 과목 중에 가장 감동적이고 재미가 있었다. 수학 논리 전개의 아름다움을 깊이 느끼는 계기가 됐기 때문이다. 전기공학이나, 전자 공학, 전산 과목 또는 물리학 과목이 아니라 ‘수학과목’이었던 기억이 흥미롭고 그 중에서도 선형대수학이라는 과목이라는 점도 지금도 신기하다.

선형대수학에서는 벡터에서 출발해서 행렬의 정의하고 행렬의 기본이 되는 원리들을 순서대로 제시하고 증명한다. 행렬 속의 각 열 벡터가 서로 상호 의존적인가 독립적인가 논의한다. 서로 선형적이면 종속적이고 비선형적이면 독립적이다. 각 열 벡터가 독립적 벡터로 이루어진 행렬은 역행렬이 존재하고 구할 수 있다. 역행렬이 존재하는 행렬은 그 벡터들을 더하고 곱해서 변형하면 대각행렬(Diagonal Matrix, 대각선 부분 숫자만 있고 나머지는 모두 ‘0’인 행렬)가 될 수 있다.

선형대수 과목에서는 이러한 이론들을 처음부터 끝까지 200 여 페이지 책에서 순서대로 빈틈없이 증명한다. 처음부터 끝까지 한 개의 논리적 오점 없이 전체를 증명하고 전개해 간다. 이러한 논리의 완결성이 눈부시기까지 하다. 완벽하게 논리적이다.

행렬의 구성과 곱셈 공식. [출처: 정보통신 기술용어해설]
대각행렬의 구성과 조건. [출처: 정보통신 기술용어해설]

 

강아지와 고양이를 구분하게 해주는 'CNN 알고리즘'


요즈음 행렬 계산이 공학적으로 더욱 중요해 지고 있다. 모든 빅데이터가 디지털로 기록되기 때문이다.

그 중에서도 데이터의 깊이가 크고 정보량이 많은 데이터가 영상 이미지이다. 카메라에서 얻은 이미지는 카메라 센서가 2차원 평면 배열로 되어 있다. 이 배열 자체가 (x,y) 2차원이다. 여기에 색깔 정보, 밝기 정보, 빛의 세기 정보가 더해지면 N 차원 정보가 되고 이를 수학적으로 표시하면 N 차원 행렬이 된다. 그래서 유튜브의 사용이 더욱 확대되면 행렬 계산양도 늘어난다.

인공지능 딥러닝 알고리즘 중에서 영상 이미지 판독에 가장 유효하게 쓰이는 방법이 CNN(Convolution Neural Network) 이라는 알고리즘이다. CNN 에는 여러 개의 신경망 층으로 이루어져 있다. 쉽게 이야기해서 CNN 입력으로 사진이 들어가면 CNN이 강아지인지, 고양이 인지, 곰인지, 사슴인지 찾아 낸다.

그런데 이 CNN 에서 여러 개의 신경망 층(Layer)을 지나면서 각 층의 출력이 단순화되고 추상화 되어 나간다. 이러한 과정을 거치면서 입력이 수천 다차원 행렬이라 하더라도 최종 출력은 ‘동물의 이름’이 되기 때문이다. 이렇게 크기가 큰 행렬을 줄여나가는 과정을 수학적으로 함수 합성곱(Convolution) 이라고 한다. 이 과정은 수식적으로 볼 때 크기가 큰 행렬에 작은 크기의 행렬을 계속 곱해서 얻는다.

이 곱하는 작은 행렬을 필터 행렬이라고 한다. 이렇게 되면 각 신경망 층이 추상화(Abstraction) 과정을 하게 된다. 첫 층의 입력이 사진이라면 2층은 윤곽을 표현하고, 3층은 코, 입, 귀를 판단하고, 뒷 부분 층은 남녀 인종 등을 파악하고 최종적으로 누구인지 파악하는 과정을 거친다. 이처럼 CNN 에서도 학습과정에서 계속해서 행렬 연산이 이루어져 있다.

사진과 영상 분석에 유용한 인공지능 알고리즘인 CNN의 구성도. [출처: Intel]

행렬과 텐서

그러니 인공지능을 위한 프로그램을 만들기 위해 소프트웨어 코딩을 한다는 것은 수많은 행렬연산을 계획된 순서대로 짜는 것과 같다. 특히 인공지능의 학습과정과 ‘판단(Decision)’ 혹은 ‘추론(Inference)’을 내릴 때 수 많은 행렬 연산을 한다. 그래서 인공지능을 연구하고 개발한다는 의미는 행렬 연산에 묻혀 사는 것과 같다.

이처럼 다차원 행렬을 수학에서 텐서(Tensor)라고 부른다. 그러므로 스칼라(Scalar)는 ‘0 텐서’, 벡터(Vector)는 ‘1 텐서’, 행렬은 ‘2 텐서’라고 부르기도 한다. 구글에서 제공하는 인공지능 계산 플랫폼을 텐서 플로우(Tensor Flow) 라고 부르는 것이 이런 배경이 된다. 인공지능에서 다 차원 행렬인 텐서 계산이 딥러닝 층을 지나가면서 쭉 흘러간다. 이 수학적인 과정이 학습과 판단 과정이다.

재미있는 드라마에는 ‘암시’를 주고 되살아나는 과정이 있으며, 이 과정이 드라마의 재미를 더해 준다. 암시는 장면, 만남, 표정, 대사에서 다양하게 나타난다. 특히 드라마 초반에 나타나 미래 전개 과정을 암시한다. 필자가 대학 2학년 때 선형대수 과목에 푹 빠졌던 것은 40년 후 다가올 4차 산업혁명 시대와 인공지능 시대를 암시했는지도 모른다.

구글의 오픈소스 인공지능 플랫폼 텐서 플로우, [출처: Data Flair]

 

 

joungho@kaist.ac.kr


[김정호 카이스트 전기 및 전자공학과 교수]

[뉴스핌 베스트 기사]

사진
서울 시내버스 파업 돌입···지하철역 연계 무료 셔틀 480회 투입 [서울=뉴스핌] 이경화 기자 = 서울지방노동위원회 조정회의에도 불구하고 서울시내버스 노사 간 임금협상이 결렬됨에 따라 서울시는 28일 오전 4시 첫차부터 즉시 비상수송대책 시행에 들어갔다. 서울시는 파업에 대비해 전날인 27일 시·구 비상수송대책본부를 중심으로 교통대책을 마련했고 이날 대체 교통수단을 즉시 투입한다고 밝혔다. [서울=뉴스핌] 정일구 기자 = 서울시가 시내버스 파업에 대비해 28일 오전 4시 첫차부터 비상수송대책 시행에 들어갔다. 서울역 버스종합환승센터 모습. 지하철은 출퇴근 시간대 1시간을 연장하고 심야 운행시간도 다음날 새벽 2시까지 1시간 연장한다. 지하철역과의 연계를 위해 25개 자치구에서는 무료 셔틀버스 총 480대를 투입해 시민 불편을 최소화한다. 지하철 혼잡시간은 오전 7~10시, 오후 6~9시로 조정돼 열차가 추가 투입되고 막차시간은 종착역 기준 익일 2:00까지 연장돼 총 202회 증회된다. 지하철 연계를 위한 무료 셔틀버스는 총 119개 노선, 480대가 빠르게 투입돼 1일 총 4959회 운행된다. 보광운수, 정평운수, 원버스 12개 노선은 정상운행된다. 또 다산콜재단, 교통정보센터 토피스, 서울시 매체, 정류소의 버스정보안내단말기 등을 통해 실시간 교통정보도 제공할 예정이다. 윤종장 서울시 도시교통실장은 "조속한 시일 내에 원만한 노사 합의를 도출하기 위해 총력을 기울일 것"이라며 "가용 가능한 모든 교통수단을 동원해 시민 불편을 최소화 하겠다"고 말했다.  kh99@newspim.com 2024-03-28 07:42
사진
이재명 47.2% vs 원희룡 43.6%···'계양을' 오차범위 내 초접전 [서울=뉴스핌] 홍석희 기자 = 4·10 총선 최대 격전지인 '명룡대전' 인천 계양을에서 이재명 더불어민주당 후보와 원희룡 국민의힘 후보가 3.6%포인트(p) 격차로 초접전을 벌이는 것으로 28일 나타났다. 종합뉴스통신사 뉴스핌 의뢰로 여론조사 전문기관 미디어리서치가 지난 25~26일 인천 계양구 을 선거구 만 18세 이상 남녀 501명에게 총선에서 어떤 후보를 지지하는지 물어본 결과 이 후보가 47.2%, 원 후보가 43.6%를 기록했다. 두 후보의 격차는 오차범위 안쪽인 3.6%p였다. 뒤이어 최창원 내일로미래로 후보 2.4%, 안정권 무소속 후보 1.7% 순이었다. '지지 후보 없음'은 4.4%, '잘 모름'은 0.8%였다. 성별로는 남성에서 이 후보가 49.6%, 원 후보가 40.6%의 지지를 받았고 여성에서는 이 후보가 44.9%, 원 후보가 46.5%로 나타났다. 연령별로 살펴보면 이 후보는 만18세~29세, 40대, 50대에서 원 후보를 앞섰다. 만18세~29세에서 이 후보는 40.1%, 원 후보는 31.2%였고 40대에선 이 후보 60.9%, 원 후보 36.5%로 나타났다. 50대에선 이 후보 54.1%, 원 후보 41.6%였다. 원 후보는 30대, 60대, 70대 이상에서 강세를 보였다. 30대에서 이 후보가 40.4%, 원 후보가 48.8%였고 60대에선 이 후보 44.7%, 원 후보 47.9%로 집계됐다. 70대 이상에선 이 후보 35.2%, 원 후보 63.5%로 격차가 벌어졌다. 권역별로는 큰 차이를 보이지 않았다. 1권역(계산 2동·계산 4동·작전서운동)과 2권역(계양 1동·계양 2동·계양 3동) 모두 이 후보가 앞섰다. 1권역에선 이 후보가 46.5%, 원 후보가 42.8%였고 2권역에선 이 후보 47.9%, 원 후보 44.3%로 나타났다. 지지 정당별로 살펴보면 민주당·조국혁신당 지지층에선 이 후보가, 국민의힘·개혁신당·새로운미래 지지층에선 원 후보가 선두였다. 민주당 지지층에선 이 후보 91%, 원 후보 4.2%였고 국민의힘 지지층에선 이 후보 3.3%, 원 후보 93.4%였다. 조국혁신당 지지층에선 이 후보 91.6%, 원 후보 2.7%였으며 개혁신당 지지층에선 이 후보 11%, 원 후보 61.8%였고 새로운미래 지지층은 이 후보 4.1%, 원 후보 60.6%로 나타났다. '지지 정당이 없다'고 답한 무당층의 경우 이 후보 21%, 원 후보 26.4%를 기록했다. '당선 가능성' 조사에선 두 후보 간 격차가 지지율 조사보다 벌어졌다. '지지 여부를 떠나, 어느 후보가 당선될 것으로 생각하느냐'고 묻자 이 후보는 53.7%, 원 후보는 38.7%를 기록해 15%p 격차를 기록했다. 이번 여론조사는 구조화된 설문지를 이용한 유무선 ARS 전화조사로 이뤄졌으며 통신사에서 제공한 무선 가상번호에서 무작위로 추출한 무선 90%와 15개 주요국번 RDD 유선 10%를 활용했다. 표본오차는 95% 신뢰수준에 ±4.4%p고 응답률은 6.2%다. 2023년 12월 말 행정안전부 주민등록 인구통계를 기준으로 성, 연령대, 지역별 가중치(셀가중)를 부여했다.  보다 자세한 내용은 중앙선거여론조사심의위원회 여론조사 결과 등록현황을 참고하면 된다. hong90@newspim.com 2024-03-28 06:00
안다쇼핑
Top으로 이동