딥러닝이란 사람의 사고방식을 컴퓨터에게 가르치는 기계학습(Machine Learning)의 한 분야이며, 여러 비선형 변환기법 조합을 통해 높은 수준의 추상화(Abstractions)를 시도하는 기계학습 알고리즘 집합이다. 사람은 학습을 통해 특정 사물을 인지하고 비슷한 모양을 가진 다른 객체들도 같은 분류의 사물로 인지할 수 있지만, 디지털 신호만을 이해하는 컴퓨터는 불가능하다. 예를 들어 자동차는 점, 선, 면, 형상, 색상, 크기 등의 다양한 요소들로 이루어진 복잡한 객체로, 컴퓨터의 관점에서 자동차 형상의 객체를 자동차로 인지하기 위해서는 간단한 선형조합을 통한 계산만으로는 불가능하고, 매우 복잡한 과정을 거쳐야만 하는 것이다.

딥러닝의 개념이 등장하기 전, 1950년대에는 컴퓨터를 사람처럼 학습시키기 위한 인공신경망 모델이 정립되어 있었다. 그러나 초창기 인공신경망은 높은 분류정확도에 비해 속도가 너무 느리고, 과적합(overfitting) 문제도 있어 실제로 활용하기에는 어려움이 많았다. 그래서 토론토대학교의 프리 힌튼(Geoffrey Everest Hinton) 교수를 비롯한 많은 연구자들이 알고리즘의 효율성을 높이는 방법을 제시하였고, 이때부터 딥러닝이라는 용어가 사용되었다. 또한 하드웨어의 발전과 함께 컴퓨터 그래픽카드의 GPU(Graphics Processing Unit)를 이용한 병렬처리(Parallel Computing)도 가능해짐에 따라 복잡한 행렬연산에 소요되는 시간이 크게 단축되면서, 며칠씩 걸리던 학습이 단시간에 가능하게 되었다. 복잡한 알고리즘이 충분히 구동될 만한 하드웨어의 보급으로 딥러닝은 전성기를 맞이하게 된 것이다. 다시 말해, 2006년 이전의 연구들이 데이터에 대한 구체적 형상 파악을 위해 수많은 시간과 노력을 쏟았다면, 딥러닝 도입 이후에는 엄청나게 많은 데이터를 입력하기만 하면 학습을 통해 최고의 결과를 내놓게 되었다. 딥러닝 기법은 각종 기계학습 대회의 우승을 휩쓸며 그 효용성을 입증하게 되었다.

MIT가 선정한 10대 혁신 기술 중 하나인 딥러닝은 가트너 리서치의 주목해야 할 기술로도 선정되어 많은 기업이 관심을 가지고 있다. 기업들은 과거로부터 축적되어 온 빅데이터를 보유하고 있기 때문에 이를 활용하기 위한 딥러닝 기법을 적용하고 새로운 가치를 창출해내고 있다. 대표적으로 구글의 알파고가 널리 알려진 딥러닝 활용 시스템이며, 딥러닝이 가장 보편적으로 활용되고 있는 분야는 음성 인식과 이미지 인식이다. 이 분야는 데이터의 양 자체가 풍부한 데다 높은 확률적 정확성을 요구하고 있기 때문이다. 페이스북은 딥러닝을 적용해 딥페이스라는 얼굴인식 알고리즘을 개발하였으며, 엔비디아는 GPU 기반 차량용 딥러닝 시스템인 드라이브 PX(Drive PX)를 개발하였다. 또한 딥러닝은 콘텐츠 및 유저 분석에 더욱 활용될 것으로 기대된다. 동영상 스트리밍 업체인 넷플릭스(Netflix)는 자사 유저의 시청 행태와 성향, 콘텐츠 선호도 등 방대한 빅데이터 분석에 딥러닝 기술을 시도하는 중이다. 이처럼 딥러닝은 알고리즘과 하드웨어의 발전 그리고 빅데이터의 힘에 의해 현재 최고 성능의 기계학습 방법으로 평가를 받고 있으며 미래 인공지능의 희망으로 떠오르고 있다.

임륭혁 l 국토연구원 연구원