머신러닝의 배경 및 개요

머신러닝이 어떻게 이루어지는지 궁금해서 처음 공부를 해보려고 하면, 웬 수학만 잔뜩 나오는 것을 다들 경험하셨을 거라 생각됩니다. 사실 수학에 웬만큼 익숙한 사람들도, "그래서 이 수식이 왜? 기계가 어떻게 배우는 거냐고?"라는 의문을 많이 하실 것 같습니다. 저도 처음에 그랬고, 아직도 애매한 부분들이 많이 남아있습니다. 하지만, 이번에 제가 수업을 듣다가 거기에 도움되는 이야기를 듣게 되어 이렇게 소개를 합니다.

 

'기계가 학습한다.'라는 말을 이해하려면, '도대체 인간은 어떻게 학습하나?'라는 문제에서 출발해보는 것도 괜찮지 않을까 합니다. 사람들이 학습을 하는 상황을 설명하기 위하여, 우리가 어떤 물체를 볼 때, 그 사물과 우리가 보는 시각의 차이를 한번 생각해봅시다. 예를들어, 우리가 사과를 본다면, 그 사과와 우리가 보는 시각 속의 사과는 엄연히 다른 존재입니다. 사과라는 물체가 앞에 있고, 거기에 빛이 반사되어 들어온 이미지가 우리 눈의 망막에 맺히고, 신경세포들을 거쳐 대뇌로 전달됨으로써 우리는 사과라는 이미지를 보게 됩니다. 물론 여기서 제가 안경을 쓰고 보는 사과와 안경을 벗고 보는 사과는 또 다른 모습을 하게 됩니다. 이러한 과정을 수식으로 그리면 아래와 같이 만들어집니다.

 

Y=aX + b

 

Y는 우리가 보는 사과의 이미지, X는 원래 사과의 모습, a와 b는 전달되는 과정에 영향을 주는 여러 요소의 복합체를 설명하는 요소들이 됩니다. 여기서, 고등학교때 윤리 시간에 한 번쯤 스쳐 지나가는 이름이 등장합니다. 칸트는 순수 이성 비판에서 이런 말을 했다 합니다. 대충 번역하면, "우리가 한 대상을 관찰하면, 그 대상을 창조한다."라는 이야기인데, 결국 우리의 경험으로 받아들이는 대상의 속성과 실제 사물의 속성은 다르다는 것을 이야기하고 있습니다. 즉, 저 위의 식에서 나타나는 X와 Y의 관계를 설명하고 있습니다. 단순히 시각적인 인지 과정만을 간단히 이야기했습니다만, 실제 우리가 느끼는 모든 자극에 저러한 경향성이 있습니다. 단지, 선형이 아니라 로그함수를 따르는 경우도 있고, 지수함수를 따르는 경우도 있습니다. 이러한 내용은 아직도 연구되는 분야이며, 그러한 결과들이 또 기계에 사용되는 현상도 볼 수 있습니다.

 

다시 머신러닝 이야기로 돌아가서, 이제 어떻게 기계를 학습시킬지 한번 생각해봅시다. 가장 먼저, 앞에 있는 이미지중 원을 골라내는 문제를 설정해봅시다. 이미지 데이터가 주어지면, 우리가 가진 크기가 변하는 원형 필터를 이용해서 곱해본 결과 그 적합도가 90% 이상이면 1 아니면 0이라는 결과를 내어놓는 함수를 한번 설정해봅니다. 그러면 그 함수를 이용해서 컴퓨터는 원과 그 외의 도형을 인식할 수 있습니다. 조금 애매한 구석이 있는 91%와 89%의 적합도는 어떻게 하냐는 문제가 있지만, 어쨌든 사람도 실수를 많이 하니 일단은 조금 봐줍시다.

 

다음으로, '빨간색 원형 물체가 사과다.' 라는 정의를 해봅시다. 그러면 색상에서 붉은색이 일정 수준 이상 포함된 물체 중 원형을 가진 물체인지 아닌지 구분할 수 있습니다. 이 과정은 앞서 설명된 수식의 과정을 두 번 거치는 것이 됩니다. 여기서 직렬로 원이 맞는지 아닌지를 보고, 색을 구분할 수도 있고, 병렬 구조로 원인지 구분하면서 동시에 붉은색을 구분해서 그 교집합을 답으로 낼 수도 있습니다. 만약 이러한 연산 단위가 많아지고 복잡한 구조를 갖게 될 수도 있는데, 이러한 과정에 인공신경망 프로그래밍이 사용되기도 합니다. 실제로 신경세포들 또한 이런 복잡한 구조를 가지며, 비슷한 방식으로 역할을 하고 있습니다.

 

이 모든 과정을 효율적으로 하기 위해서, 사실 통계학부터 회기분석 같은 수학적인 이론이 사용되게 됩니다만, 한 번씩 내용을 배워가며 그 이론을 접해보는 것도 재미있을 것 같습니다.

 

작성자: 독일호박