머신러닝과 딥러닝의 차이, 텍스트 음성변환 기술 및 겐모델

 '4차 산업혁명'시대에 디지털 전환 시 핵심이 되는 주제인  '인공지능' 영역에 포함되어 있는 머신러닝과 딥러닝의 차이에 대한 정의와, 딥러닝 기술 중에 대중에게 쉽게 이해되는 '텍스트 음성변환'  및 겐 모델 (GAN:Generative Adversarial Network)을 정리해 보겠습니다.

 

 

---

머신러닝과 딥러닝의 차이, 텍스트 음성변환 기술과 겐 모델

 '4차 산업혁명'시대에 디지털 전환 시 핵심이 되는 주제인  '인공지능' 영역에 포함되어 있는 머신러닝, 딥러닝에 대한 의미를 알아보고,

딥러닝 기술 중에 대중에게 쉽게 이해되는 '텍스트 음성변환'에 대한 이야기까지 정리해 보겠습니다.

 

 

---

4차 산업에서의 인공지능 영역

  ◈인공지능 ( A.I :Artificial Intelligence )

'4차 산업혁명'이란 인공지능이 핵심 동력이 돼서 여러 가지 자동화와 연결성들이 극대화되는 산업혁명을 뜻합니다. 관련하여 필연적으로 수반되는  '디지털 전환'이 4차 산업혁명 시대에는 굉장히 급속도로 일어날 것이며, 디지털 기술의 놀라운 혁신의 전환점이 될 것입니다.

'디지털 전환'에는  현실 세계를 그대로 가상의 세계로 옮길 수 있는'가상 물리 시스템'이 도래를 예상할 수 있고, 이것을 이용하면, 현실에 있는 모든 정보를 가상에서 시뮬레이션을 하고 여러 가지 정보를 얻을 수 있기 때문에 미래에 다가오는 4차 산업혁명 시대의 핵심기술이라고 하는 것입니다.

그래서, 기업에서 이러한 '디지털 전환(트랜스포메이션)'에 대비해서, 디지털 활용 능력 '디지털 리터러시'를 높이는 데 주력을 하고 있는데, 그중에서 가장 중요시되는 기술이 바로 '인공지능'입니다. 

  ☞디지털 리터러시(digital literacy) : 디지털 플랫폼의 미디어를 접하면서 명확한 정보를 찾고, 평가하고, 조합하는 개인의 능력을 뜻한다

인공지능의 선두 주자 '앤드류 응 교수'는 인공지능은 미래의 새로운 전기와 갖게 될 것이다라고 얘기를 했는데, 그 이유는 전기가 100년 동안 우리 생활을 많이 바꿔놓은 것처럼, 인공지능은 몇 년 동안 굉장히 모든 산업을 전반적으로 바꿀 것이다라고 얘기를 하고 있습니다.

 

인공지능이라는 게 대체 무엇이길래 이렇게 많은 혁신을 가져온다고 했는데, 인공지능이란 무엇이냐고 하면, 인공지능이란 사고 또는 학습 능력을 가진 인간의 능력을 그대로 모사를 할 수 있는 어떤 프로그램 소프트웨어 기술을 말합니다. 

 

◈머신러닝

인공지능에 포함되는 기술로 '머신 러닝'이라고 하는 기술이 있는데, 그 기술은 기계가 학습한다라는 용어와 같이 학습을 통해서
어떤 결과를 향상하고 예측을 할 수 있는 알고리즘을 뜻합니다. 

'머신 러닝'  중에서 최근에 굉장히 주목받고 있는 '딥 러닝'이라고 하는 이 알고리즘은 퍼스트 트론이라고 하는 인간의 신경망을 모사하는 알고리즘입니다. 이 알고리즘을 다층으로 쌓아서 '다층 퍼스 토트론'이라고 하는 그 기술을 이용하는 알고리즘을 '딥러닝'이라고 합니다.

이 딥러닝들이 굉장히 복잡한 차원의 정보도 학습을 하고 그거에 대한 추론 결과를 낼 수 있어서  놀라운 결과들이 현대에 쏟아져 나오고 있습니다.

머신러닝과 딥러닝의 차이, 텍스트 음성변환 기술 및 겐모델

◈딥러닝

딥러닝'은 이미지 인식을 통해서 예를 들면 다양한 손글씨로 쓰인 필체들을 뭐라고 쓰여 있는지 그 내용을 확인할 수가 있고, 서로 다른 사람의 손글씨도 내용을 인공지능은 구분을 할 수가 있다는 것입니다. 흑백 사진에 색을 예측해서 정확하게 칠할 수도 있습니다.

개체들이 사진에 위치해서 어디에 위치하고 그 위치한 물체가 정확히 어떤 종류인지를 인식하는 데도 굉장히 능한 성능을 보이며, 또 그 물체를 위치를 대략적으로 중심점을 찾아내는 거가 아니라 그 물체를 픽셀 단위의 위치까지도 구분을 할 수가 있습니다. 

여러 가지 화가들의 화풍을 어떤 그림에다가 입혀서 새로운 그림을 생성을 해낼 수 있는 '겐 모델 '이라고 하는 그런 생성 모델도 있기 때문에 여러 가지 이미지를 합성해 내거나 생성해 낼 수 있는 능력도 보이고 있습니다.

  ☞겐 모델((GAN:Generative Adversarial Network) : 단순히 결괏값을 도출해 내는 함수를 만드는 것을 넘어서 '실제적인 형태'를 갖춘 데이터를 만들어낸다는 것 (복잡한 이론으로 이 정도만 이해해도 됨)

인공지능은 글자를 정말 사람이 내는 음성처럼 변환을 해주는 '텍스트 음성변환(텍스트 투 스피치)'라고 하는 인공지능 기술도 있습니다. 이 기술은 인공지능 스피커가 사람처럼 말을 하게 해 줄 수도 있고 또 '서피스트 텍스트'라고 하는 이 기술은 말을 이제 텍스트로 인식을 해서 사람이 하는 말을 그런 인공지능 스피커라든지 음성 인식 기술들이 이해를 할 수 있게 하는 그런 '음성 딥러닝'  종류들이 있습니다.

◈인공지능의 윤리적 문제

마이크로소프트 그리고 ibm 등에서 내놓았던 얼굴을 인식할 수 있는 '비전 딥러닝'이 백인보다 흑인 그리고 남성보다 여성에게 인식률이 떨어지는 결과를 보이는 예가 있었습니다. 남자보다 여자가 더 안 좋은 서비스를 받고 백인보다 흑인이 안 좋은 서비스를 받게 되는 편향적인 결과를 내는 딥러닝이 나왔던 이유는 서부권 그리고 남성의 데이터가 압도적으로 더 많았기 때문입니다. 데이터의 불균일성으로 딥러닝의 어떤 불평등한 결과를 초래를 한 경우라고 보입니다.

'트롤리의 딜레마'라는 것이 있는데, 자율 주행 자동차가 어떤 도로에서 양갈래 길이 있는데 그 양갈래 길에서 한쪽 길을 선택을 했을 때 이쪽에 있는 사람들을 죽여야 하고 또 다른 길을 선택을 했을 때 이쪽 길에 있는 사람들을 죽여야 할 때 이쪽 길에 있는 사람들의 삶의 가치가 더 큰지 이쪽 길에 있는 사람들의 삶의 가치가 있는지를 얘가 판단을 해서 어떤 길을 선택을 해야 되는데 그에 대해서 아직까지 딥러닝은 자율적으로 학습된 알고리즘에 따라서 판단을 하지 거기에 대한 윤리가 마련돼 있지 않다는 것입니다.

---

마무리

이상으로 디지털 전환 시 핵심이 되는 주제인  '인공지능' 영역에 포함되어 있는 머신러닝과 딥러닝의 차이에 대한 정의와, '텍스트 음성변환'  및 겐 모델 등에 대한 개략적인 내용을 알아보았습니다. 

 

인공지능 기술에도 윤리적인 문제가 포함될 수 있기 때문에, 윤리적인 가이드라인을 마련하는 등, 선결되어야 할 내용들이 있습니다. 끝.