AI는 고양이를 어떻게 알아볼까…뉴럴 네트워크의 비밀

[디지털투데이 AI리포터] 인공지능(AI)이 고양이를 인식하는 과정은 '뉴럴 네트워크'((Neural Network))라는 복잡한 시스템을 활용한 학습의 결과다. 인간은 한눈에 고양이를 알아볼 수 있지만, AI는 다양한 배경과 각도에서 고양이의 본질적인 특징을 학습해야 한다.

18일(현지시간) 온라인 매체 기가진은 콴타매거진(Quanta Magazine)을 인용해 AI가 고양이를 식별하는 뉴럴 네트워크의 작동 원리를 설명했다.

뉴럴 네트워크는 이미지 분류에서 '고양이'와 '고양이가 아님'을 구분하는 작업을 수행한다. 이를 이해하기 위해 '삼각형 영역'(Triangle Territor)과 '사각형 영역'(Square State)이라는 가상의 지역을 예로 들면, AI는 주어진 좌표를 바탕으로 해당 점이 어느 지역에 속하는지를 판단하는 방식과 유사하다. 하지만 AI에게는 명확한 경계가 없고, 기존에 학습한 데이터만 주어진다. 이를 해결하기 위해 AI는 뉴런의 가중치(weight)와 바이어스(bias)를 조정하며 점진적으로 학습해 나간다.

단순한 직선 경계에서는 하나의 뉴런으로도 가능하지만, 고양이처럼 복잡한 이미지를 구분하려면 다층 뉴럴 네트워크가 필요하다. 각 뉴런은 입력값을 받아 새로운 값을 출력하는 수학적 함수로 작동하며, 여러 레이어가 연결되어 복잡한 패턴을 학습한다.

입력값이 많아질수록 AI는 더 정교한 경계를 형성할 수 있다. 예를 들어, 2500개의 입력값을 활용하면 50x50 픽셀 그리드에서 고양이를 인식할 수 있다. 충분한 데이터가 주어지면 AI는 고양이를 구분하는 데 필요한 복잡한 경계선을 형성할 수 있다.

즉, 뉴럴 네트워크는 많은 데이터를 학습해 점점 더 똑똑해지는 구조다. 덕분에 고양이 인식뿐만 아니라 자율주행, 의료, 언어 처리 등 다양한 분야에 활용될 수 있을 것으로 전망된다.