딥 러닝
딥 러닝이란?
딥 러닝은 인간의 뇌와 유사한 방식으로 기능하도록 구축된 알고리즘을 사용하는 기계 학습의 한 유형입니다.
딥 러닝으로 미래의 발전 촉진
최근 AI 분야의 많은 발전 사항은 딥 러닝 덕분에 가능했습니다. 스트리밍 서비스 추천부터 음성 지원 기술 및 자율 주행에 이르기까지 패턴을 식별하고 다양한 유형의 정보를 분류하는 능력은 인간의 개입 없이 많은 양의 데이터를 처리하는 데 매우 중요합니다.
딥 러닝의 작동 방식
AI의 목적이 원래 기계가 인간의 지능이 필요한 작업을 수행하도록 만드는 것이었지만 이러한 개념은 이후 수십 년간 정교해졌습니다. Google의 AI 연구자이자 기계 학습 소프트웨어 라이브러리 Keras를 만든 Francois Chollet는 “인텔리전스 자체는 기술이나 능력이 아니며 새로운 것을 효율적으로 잘 학습하는 역량이다"라고 말합니다.1
딥 러닝은 기계가 새로운 내용을 학습하는 절차를 개선하는 것을 중심으로 합니다. 규칙 기반 AI와 ML을 통해 데이터 과학자는 모델에 포함할 규칙 및 데이터 세트 기능을 결정하고, 이는 모델의 작동 방식을 촉진합니다. 데이터 과학자는 딥 러닝을 활용하여 알고리즘에 원시 데이터를 공급합니다. 해당 시스템은 프로그래밍된 특정 규칙이나 기능 없이 데이터를 분석합니다. 시스템이 예측하면 별도의 데이터 세트에 대해 정확성을 확인합니다. 그리고 예측의 정확도 수준은 시스템이 하는 다음 예측 집합에 영향을 줍니다.
딥 러닝의 “딥"이란 단어는 시간이 지나면서 축적되는 신경망의 여러 층을 의미하며, 신경망이 깊어질수록 성능이 향상됩니다. 네트워크의 모든 계층에서 특정 방식으로 입력 데이터를 처리하며 다음 계층에 영향을 줍니다. 따라서 한 계층의 결과물은 다음 계층의 입력물이 됩니다.
딥 러닝 네트워크 교육은 오랜 시간이 필요하며, 시스템이 모델을 세밀하게 교정하는 과정에서 많은 양의 데이터를 처리하고 테스트해야 합니다. 신경망은 1950년대부터 존재해 왔지만, 딥 러닝 알고리즘을 흥미로운 새로운 기술로 만드는 데 사용 가능할 정도로 컴퓨팅 성능과 데이터 스토리지 기능을 갖춘 지는 몇 년이 채 되지 않습니다. 딥 러닝 신경망으로 컴퓨터가 음성 인식, 컴퓨터 비전, 생물정보학, 의료 이미지 분석 등과 같은 작업을 수행하는 것이 가능해졌습니다.
1. Lex Fridman Podcast #120, “ François Chollet: Measures of Intelligence,” 2020년 8월.
딥 러닝 및 기계 학습
모든 딥 러닝은 기계 학습이지만, 모든 기계 학습이 딥 러닝은 아닙니다. 두 기술 모두 테스트 데이터를 상대로 학습하여 해당 데이터에 적합한 모델을 결정합니다. 하지만 기존의 기계 학습 방식은 알고리즘을 적용하기 전에 특정 수준의 인간 상호 작용으로 데이터를 사전 처리해야 합니다.
기계 학습은 인공 지능의 하위 집합입니다. 목적은 컴퓨터에 특정 결과물에 대한 프로그래밍 없이 학습하는 능력을 부여하는 것입니다. 기계 학습에서 사용하는 알고리즘은 컴퓨터가 사물을 인식하는 방법을 학습하는 데 도움이 됩니다. 이 교육은 지루하고 상당한 수준의 인간 개입이 필요할 수 있습니다.
딥 러닝 알고리즘은 인간의 뇌의 사고 절차를 미러링하도록 설계된 계층형 모델을 구축함으로써 한 단계 더 나아갈 수 있습니다. 결과물을 얻기 위해 입력 데이터를 사전 처리할 필요가 없는 다중 계층 신경망을 사용합니다. 데이터 과학자는 알고리즘에 원시 데이터를 공급하고, 시스템은 이미 알고 있는 내용과 새로운 데이터에서 추론 가능한 내용을 바탕으로 데이터를 분석한 후 예측을 합니다.
딥 러닝의 이점은 단순한 규칙 기반 AI로는 불가능한 방식으로 데이터를 처리할 수 있다는 점입니다. 이 기술을 활용하여 부정행위 감지 개선, 수확량 증대, 창고 재고 관리 시스템의 정확도 향상 등 다양한 비즈니스 성과를 얻을 수 있습니다.
최신 딥 러닝 응용 분야
많은 분야의 기업이 다양한 사용 사례에 딥 러닝 모델을 적용합니다. 다음은 실제 딥 러닝을 활용하는 많은 응용 분야 중 극히 일부입니다.
의료: 오늘날 의료 산업은 엄청난 양의 데이터를 생산합니다. 데이터를 빠르고 정확하게 분석하는 능력은 환자 치료 결과 개선에 여러 면에서 도움이 될 수 있습니다. 딥 러닝 알고리즘은 의학 연구, 이미지 분석, 질병 예방, 유도 약물 개발, 자연어 처리와 같은 분야에 적용되고 있으며, 특히 EHR(전자 의료 기록)의 무료 텍스트 임상 노트를 작성하는 데 유용합니다.
제조: 제조업체는 더 좋은 품질의 제품과 서비스를 더 빨리 적은 비용으로 제공해야 합니다. 많은 기업에서 신제품 테스트를 위한 물리적 시제품 개발에 필요한 시간, 비용, 재료를 줄이기 위해 CAE(컴퓨터 지원 엔지니어링)를 도입하고 있습니다. 딥 러닝을 사용하여 다차원 데이터의 매우 복잡한 패턴을 모델링하고 데이터 테스트의 분석 정확도를 높일 수 있습니다.
금융 서비스: 부정 행위는 많은 산업 분야에서 증가하고 있지만 특히 금융 서비스 공급자에게는 더 심각한 문제입니다. 딥 러닝을 사용하여 패턴과 일치하지 않는 행동을 빠르고 경제적으로 식별할 수 있습니다. 또한 딥 러닝 모델을 통해 얻은 인사이트는 대출 신청자의 신용 위험 평가 정확도 향상, 주식 가치 예측, 백오피스 운영 자동화, 고객에게 금융 제품 관련 조언 등에도 도움이 됩니다.
공공 부문: 디지털화되는 부서, 시스템, 프로세스가 증가함에 따라 정부 기관에서는 딥 러닝을 사용하여 자동화를 늘리고 공무원의 업무 효율을 높일 수 있습니다. 이미지 탐지 및 분류를 활용하여 법 집행 기관은 공공 분야에서 관심 인물을 더 간편하게 찾을 수 있습니다. 절차의 특정 측면을 자동화하는 알고리즘으로 비자 및 이민 신청이 간소화됩니다. 공항에서는 보안 강화, 운영 개선, 대기줄 관리 자동화 등을 위해 딥 러닝을 활용합니다. 딥 러닝 모델은 교통 상황을 예측하고 지역 당국에서 도로 정체를 완화하는 절차를 사전에 수행하는 데에도 활용될 수 있습니다.
HPE를 통해 딥 러닝 도입 가속화
이제 딥 러닝은 규모와 상관없이 모든 조직에서 이용할 수 있게 되었습니다. 시작, 최적화, 확장 등 모든 단계에서 HPE는 여정을 지원하며 혁신으로 이어지는 데이터 인사이트 가속화를 지원합니다. 인프라 빌딩 블록, 전문성뿐 아니라 비즈니스 목표 달성에 적합한 검증된 파트너도 제공합니다.
딥 러닝의 복잡성을 해결하고 이상적인 솔루션을 구축하십시오. 업계 최고의 HPE 고성능 컴퓨팅, 지능형 데이터 플랫폼, 고속 네트워킹 패브릭을 사용하여 모든 규모의 딥 러닝을 구축할 수 있습니다. HPE Pointnext Advisory and Professional Services가 제공하는 전문 지식과 서비스로 빠르게 개념 증명 단계를 지나 AI 프로젝트 배포 기간을 수년에서 수개월 또는 주 단위로 줄일 수 있습니다. 또한 기계 학습 수명주기의 모든 단계를 지원하는 컨테이너 기반 솔루션인 HPE Ezmeral ML Ops를 통해 필요한 AI 툴과 데이터를 즉시 이용할 수 있습니다.
HPE 딥 러닝 안내서는 딥 러닝 워크로드를 규정하고 특정 워크로드에 최적의 하드웨어/소프트웨어 스택을 추천하는 툴 세트를 제공합니다. HPE 딥 러닝 안내서를 통해 제시되는 권장 사항은 다양한 기술 스택 및 분석 성능 모델의 여러 딥 러닝 워크로드에 대한 엄청난 규모의 성능 결과를 바탕으로 합니다. 실제 측정값과 분석 성능 모델의 조합으로 모든 워크로드의 성능을 예측하고, 해당 워크로드에 최적의 스택을 추천할 수 있습니다.
NVIDIA와 함께 HPE는 최적화된 AI 및 딥 러닝 솔루션의 선도적인 포트폴리오를 제공합니다. NVIDIA GPU 가속 애플리케이션의 온라인 및 강사 주도 워크샵, 참조 아키텍처, 벤치마크를 통해 딥 러닝을 지원합니다. 이 솔루션은 검증된 전문 기술, 최대 규모의 딥 러닝 에코시스템, AI 소프트웨어 프레임워크로 차별화됩니다.