딥 러닝으로 무엇을 할 수 있습니까?
딥 러닝 기술은 열차가 정시에 운행하도록 돕고 있지만 그 문구가 실제로 의미하는 바는 무엇입니까?
전 세계에서 곧 고갈되지 않을 자원이 하나 있다면 바로 데이터입니다. 국제 분석 회사 IDC는 Global Datasphere' 또는 전 세계 컴퓨터에 저장된 총 데이터 양이 2018년 33 제타바이트에서 2025년 175 제타바이트로 증가할 것으로 추정합니다. 오늘날의 PC 중 하나에서 찾을 수 있는 디스크.
그 데이터 풀은 엄청난 자원이지만 인간이 이용하기에는 너무 큰 자원입니다. 대신 우리는 모든 데이터를 이해하고 아직 존재하지도 않는 링크를 발견하기 위해 딥 러닝에 의존해야 합니다. 인텔의 AI 기술 솔루션 전문가인 Walter Riviera에 따르면 딥 러닝의 응용 프로그램은 "무한"입니다.
"딥 러닝을 위한 가장 멋진 애플리케이션은 아직 발명되지 않았습니다."라고 그는 말합니다.
그렇다면 딥 러닝은 무엇이며 왜 그렇게 강력한가요?
두뇌를 가르치는
딥 러닝은 기계 학습과 인공 지능의 하위 집합입니다. 그것은 특히 인간 두뇌에서 영감을 받은 "디지털 뉴런"의 상호 연결된 그래프와 관련된 신경망과 관련이 있습니다.
인공 신경망은 "디지털 뉴런"의 레이어로 구성되어 있다고 Riviera는 말합니다. "계층이 많을수록 더 깊이 들어갈수록 알고리즘이 더 강력해집니다."
딥 러닝에는 훈련과 추론이라는 두 가지 핵심 단계가 있습니다. 첫 번째는 가상 두뇌에 무언가를 하도록 가르치는 것이고, 두 번째는 두뇌가 해야 할 일을 하도록 배치하는 것입니다. Riviera는 그 과정이 기타를 연주하는 것과 비슷하다고 말합니다. 기타를 잡을 때 일반적으로 현을 튜닝해야 합니다. 그래서 당신은 코드를 연주하고 그것이 당신이 정확하다고 알고 있는 코드의 소리와 일치하는지 확인합니다. "무의식적으로 방출된 소리를 예상한 소리와 일치시킵니다."라고 그는 말합니다. "어쩐지 둘 사이의 오차를 측정하고 있구나."
두 코드가 일치하지 않으면 튜닝 페그를 돌리고 코드를 다시 치면서 기타 사운드가 원하는 것과 일치할 때까지 이 과정을 반복합니다. "반복적인 과정이며 잠시 후 모든 코드가 예상대로 연주되면 기본적으로 반복을 중지하고 기타를 놓을 수 있습니다. 사용할 준비가 되었기 때문입니다."라고 Riviera는 말합니다. "어떤 노래를 연주할 수 있나요? 뭐, 튜닝 단계를 확인하는 데 사용되지 않은 코드라도 말이죠."
다시 말해, 신경망을 훈련하기 위해 특정 데이터 세트를 사용한 후에는 새로운 보이지 않는 데이터 샘플을 독립적으로 평가할 수 있습니다.
"신경망이 예상한 답변을 제공하거나 오류가 0에 매우 가까워지면 교육 프로세스를 완료한 것입니다. 그런 다음 해당 인공 두뇌를 사용하여 애플리케이션과 관련이 있을 수 있는 모든 곳에 배포해야 합니다. 데이터 센터 또는 에지에서 휴대용 장치에 내장."
개념으로서의 딥 러닝은 실제로 새로운 것이 아니며 그 아이디어는 40년 동안 존재해 왔습니다. 지금이 매우 흥미진진한 것은 마침내 잠재력을 발휘할 수 있는 모든 조각이 제자리에 있다는 것입니다.
"우리는 이론과 연구 논문을 가지고 있었고 모든 개념을 가지고 있었지만 배울 데이터와 컴퓨팅 성능이라는 두 가지 중요한 구성 요소를 놓치고 있었습니다."라고 Riviera는 말합니다. "오늘날 우리는 딥 러닝이 열어주는 기회를 활용하기 위해 창의적으로 필요한 세 가지 구성 요소 이론, 데이터 및 인프라를 모두 갖추고 있습니다."
심화 학습
딥 러닝이 이미 놀랍도록 잘 활용되고 있지 않다는 말은 아닙니다.
일반 통근자라면 누구나 열차 지연과 결항으로 인한 극심한 좌절감을 알게 될 것입니다. 그러나 Intel 기술은 Resonate의
Luminate 플랫폼을 구동하는 데 사용되어 영국의 한 기차 회사가 하루에 2,000개 이상의 여행을 더 잘 관리할 수 있도록 지원합니다.
Intel 기반의 소형 게이트웨이가 트랙 사이드에 배치되어 네트워크를 통한 열차의 움직임을 모니터링합니다. 이는 시간표, 임시 속도 제한 및 네트워크 전체의 오류 로그와 같은 다른 중요한 데이터와 결합됩니다. Luminate는 이 모든 데이터와 과거 행동을 결합하여 네트워크에서 문제가 발생할 수 있는 위치를 예측하고 관리자가 실제 철도 승객을 방해하지 않고 수정된 일정을 시뮬레이션할 수 있도록 합니다. 이 시스템은 또한 단기 일정을 자동으로 조정하여 가장 필요한 곳으로 열차를 이동할 수 있습니다.
결과는 놀라웠습니다. 정시 도착은 시스템 도입 이후 9% 증가했으며 현재 92%의 열차가 예정대로 운행되고 있습니다.
지연된 기차가 슈퍼마켓에 도착하여 찾던 제품이 품절된 것을 확인하는 것만큼이나 짜증나는 일입니다. 다시 한번, Intel의 딥 러닝 기술은 슈퍼마켓에서 이러한 비용이 많이 드는 상황을 방지하는 데 사용되고 있습니다.
Intel 기반 Vispera ShelfSight 시스템에는 매장에 카메라가 장착되어 슈퍼마켓 진열대를 주시하고 있습니다. 딥 러닝 알고리즘은 개별 제품을 식별하고 선반의 빈 공간이나 직원이 실수로 잘못된 영역에 배치한 제품을 식별하도록 시스템을 훈련하는 데 사용됩니다.
직원들은 모바일 장치를 사용하여 부족에 대해 경고를 받아 선반에 빠르게 재입고할 수 있고 판매 손실을 최소화할 수 있습니다. 그리고 모든 데이터가 클라우드로 피드백되기 때문에 판매 모델을 조정할 수 있고 향후 주문형 제품이 부족할 가능성이 줄어듭니다.
시작만
그러나 앞서 Riviera가 말했듯이 딥 러닝의 이러한 적용은 실제로 시작에 불과합니다. 그는 드론이 병원에서 병원으로 인간의 장기를 운반하는 시스템을 만들기 위해 딥 러닝을 사용하여 헬리콥터(너무 비싸다)와 구급차(너무 느림)의 큰 단점을 없애는 이탈리아 신생 기업의 이야기를 전합니다.
그가 이 기술에 대해 볼 수 있는 유일한 인명 구조 응용 프로그램은 아닙니다. "저는 바다로 가서 플라스틱을 수집할 수 있는 자율 시스템 로봇을 구축하는 데 딥 러닝이 사용되는 것을 보고 싶습니다."라고 그는 말합니다. "우리는 이미 그 능력을 가지고 있을 것입니다. 단지 그것을 개발하고 활성화하는 문제일 뿐입니다."
댓글