[이석중의 알기쉬운 인공지능] 사람의 뇌세포를 모방한, "인공지능의 핵심 구성요소인 인공세포"

[사람의 뇌세포를 모방한 인공세포]

 

지난 연재를 통하여, 사람이 어떻게 학습하는지 살펴보았다. 미시적 관점에서의 학습이란 세포와 세포를 연결하는 시냅스 영역의 세기(strength)를 조절하는 과정으로 볼 수 있다. 학습을 하게 되면, 뇌세포들 간의 신호 전달의 세기를 결정해주는 시냅스 값들에 변화가 생기게 되며, 이 변화는 무작위적인 변화가 아니라 속도나 효율에 다소 차이가 있지만 학습이 의도하는 방향으로 변하게 된다.

만약에 사람의 뇌세포 수준에서 일어나는 동작과 비슷한 인공적인 수단이나 장치를 만들 수 있다면, 사람이 학습하는 것과 비슷한 방식으로 그 인공 수단들을 학습 시킬 수 있다면, 전통적인 프로그램으론 구현할 수 없는 많은 것들을 할 수 있게 된다. 즉, 이런 경우에는 이렇게 동작하고, 저런 경우에는 저렇게 동작하는 등 일일이 정해주지 않아도, 시냅스 값들을 변화시킬 수 있는 훌륭한 메커니즘을 구현할 수 있다면 혁신적인 변화가 일어나게 된다. 즉, 사람이 아닌 기계를 학습 시킬 수 있는 길이 열리게 된다.

기계를 학습시키고자 할 때 가장 기본이 되는 요소가 인공세포이다. 이 인공세포는 사람의 뇌세포를 모방하여 설계한다. 뇌세포의 기본 요소를 보면, 다른 세포로부터 입력을 받아 들일 수 있는 수상돌기(dendrite), 받은 신호를 다른 세포로 전달하는 축삭돌기(axon)과, 세포들 간의 인접 영역인 시냅스(synapse), 그 세포로 입력되는 신호의 총합이 어떤 임계점을 넘어서는지를 판정하여 다른 세포로 넘겨줄 신호값을 정하는 세포체(soma)로 구성이 된다.

뉴런 구조

이와 비슷하게 인공세포에서 수상돌기는 입력부(input), 축삭돌기는 출력부(output), 세포체는 뉴런(neuron)이 되며, 세포간의 인접 영역인 시냅스는 가중치(weight)라고 부른다. 여기서 입력부와 출력부는 이름이 의미하듯 쉽게 이해할 수 있다. 중요한 부위는 세포체의 역할을 하는 뉴런과 실제로 학습에 의해서 값이 변하는 가중치 부분이다.

인공세포도 뇌세포처럼 다른 인공세포들과 연결이 되며, 세포간 인접 영역인 시냅스 부분은 가중치(weight)라는 이름으로 불리게 된다. 사람이 학습을 하게 되면 시냅스의 값이 바뀌듯이, 인공지능이 학습하게 되면, 인공세포의 인접 영역의 연결 세기를 나타내는 가중치(weight) 값이 바뀌게 된다. 뉴런은 세포로 들어오는 입력과 가중치를 곱한 값의 총합이 어떤 임계점을 넘는지를 판정하며, 다음 세포로 전달할 신호 값을 결정한다. 이 기본 구조는 1957년 Rosenbalt에 의해 처음 고안이 되었고, 퍼셉트론(perceptron)이라는 이름으로 불리며 신경망의 시초가 된다. 최근에 주로 사용되는 인공 세포에서의 뉴런의 동작은 처음 발표된 퍼셉트론과는 다르지만, 큰 틀에서는 비슷하기 때문에 지금도 퍼셉트론이라는 용어가 계속 사용되고 있다.

뉴런과 퍼셉트론 구조 비교

인공지능이 원하는 동작을 할 수 있도록 인공 세포로 구성된 인공 신경망(artificial neural network)의 수많은 가중치 값들을 바꿔주는 과정을 “학습(training)” 이라고 부르며, 인공지능을 제대로 학습 시키는 방법을 알아내기까지는 인공세포 개념이 발표되고도 30여년이 흐른 뒤다. 이 방법은 다음 연재에서 자세히 다룰 예정이다.

정리하면 인공지능의 핵심 구성요소는 인공세포이며, 이것은 사람의 뇌세포를 모방하여 만들어졌다. 뇌세포처럼 인공세포는 많은 다른 인공세포와 연결되어 망(network)의 형태를 띄며, 이 인공세포들 간의 인접 영역의 가중치 값들을 원하는 방향으로 변경시켜주는 과정을 통하여 인공지능을 학습시킨다.

출처 : YTIMES청년신문(http://www.ytimes.co.kr)