Page 113 - 고등학교 인공지능 기초

2 딥러닝의 발전

딥러닝이 처음부터 여러 문제를 해결할 만큼 성능이 우수했던 것은 아니다. 딥러닝 발전의 배경

퍼셉트론 개념이 등장하고, 여러 층으로 퍼셉트론을 쌓고, 다양한 딥러닝 모델
딥러닝
이 등장해 인공지능 기술이 상용화되기까지 수많은 시행착오를 겪으며 발전해
하 빅 알
왔다. 드 데 고
웨 이 리
1950년대에 퍼셉트론은 일직선으로 영역을 구분하는 등 간단한 문제만 해결할 어 터 즘
수 있었다. 이후, 1980년대에 들어 은닉층을 추가하면 좀 더 복잡한 문제를 해결 딥러닝의 비약적 성장 뒤에는 하
드웨어, 빅 데이터, 알고리즘의 발
할 수 있다는 것을 알게 되었다. 예를 들어 아이스크림 양을 바탕으로 총 가격을 전이라는 3가지 배경이 있다. 대
예측하는 등 직선을 그려 해결할 수 있는 문제에서 활용 가능한 수준이 되었다. 규모 연산이 동시에 가능한 하드
웨어가 등장하였다. 또한, 인터넷
의 발전으로 빅 데이터 수집이 가
직선으로 영역 구분 아이스크림 가격 예측
능해졌고, 여러 딥러닝 알고리즘
가격 이 등장하며 딥러닝 기술이 발전
1
\ = ? * 할 수 있었다.

0
0 1
양(그램, g)
그림Ⅱ-45 l 초기 인공 신경망의 활용 사례

우리가 알고 있는 딥러닝 모델이 본격적으로 등장한 것은 2010년대에 들어
서이다. 2012년에 합성곱 신경망(CNN, Convolutional Neural Network) 모델
을 적용한 토론토 대학교의 알렉스넷(AlexNet)이 ILSVRC 에서 우승한 것이 중 ILSVRC
ILSVRC는 100만 개의 이미지를
요한 전환점이 되었다. 당시 알렉스넷은 무려 83.58%의 인식률을 달성하였
인식하여 1,000여 개의 레이블로
다. 2015년에는 마이크로소프트의 레스넷(Resnet)이 인간의 이미지 인식률인 분류하는 대회이다.
94.9%를 넘는 96.43%를 달성하였다. 현재 이미지 인식 딥러닝 모델은 불량품

판별, 드론 택배 서비스, Face-ID 등 우리 삶 곳곳에서 활용되며 그 분야가 점
점 더 넓어지고 있다.

최고 기록
인간 추월
이미지 인식에 딥러닝 적용 98.7%
96.43% 97.0% 97.75% 구글
93.34% 94.9%
Resnet
구글
88.26%
2~3% 성능 향상 83.58%
경쟁 반복 AlexNet
72% 74%

2010 2011 2012 2013 2014 인간 2015 2016 2017 2020
그림Ⅱ-46 l ILSVRC 우승 모델의 성능(인식률)

111
7. 딥러닝의 개념과 활용