딥러닝에 대한 고찰 - 1

2022년 3월을 기점으로 2023년 8월이 되기까지 1년 반정도 딥러닝에 대한 공부를 하였다.

딥러닝에 대한 공부를 해오면서 들었던 의문과 고찰을 적어두려고 한다.

 

1. 딥러닝을 공부한다는 것

 

  처음에는 남들과 다르지 않은 이유로 '가볍게' 보고 딥러닝을 시작하였다.

그저 오픈소스를 가져와 내가 원하는 데이터 형식을 넣으면 모든지 만들 수 있겠다는 자신감이었다.
틀린말은 아니지만, 그 과정이 결코 쉽지 않음을 점차 공부를 하면서 깨닫게 되었다.

  딥러닝에 대한 학습을 하면서 계속해서 들었던 의문은 '그래서 딥러닝이라는게 뭔데?' 였다.
처음부터 끝까지 손수 프로그래밍하여 새로운 알고리즘을 짜내는 것인가? 아니라고 생각한다.
구글링 실력을 통해 오픈소스를 찾아 활용하기만하면 되는것인가? 아니라고 생각한다.
질문에 대한 대답은 계속해서 바뀌어 나갈것이라 생각하며 글을 써내려간다.

 

2. 어떻게 딥러닝을 공부해야 할까

 

  인간도 마찬가지로 최적의 알고리즘을 찾아 학습한다.
딥러닝을 공부하면서 문득 그런 생각이 들었다. 지금 하고 있는 공부에도 그 효율이 다르고 최적의 공부법 (알고리즘)을 찾아 공부한다면 최적의 모델링 (output) 을 얻어낼 수 있지 않을까?
그 최적의 알고리즘이자 공부법은 당연히 주어진 사람 (데이터)에 따라 다를것이라 생각하며 결국 모든 데이터는 각각의 특성을 가지고 있으니 공통된 최적의 알고리즘이란 없는것이 아닐까

 

  딥러닝의 최종 목적지는 모델이지만 그 시작은 데이터이다.
우리는 빠르게 모델링을 마치고 학습결과를 얻고자하지만, 막상 시도해본 사람들이 겪는 공통적인 어려움은 '데이터를 어떻게 다뤄야 할까' 이다.
데이터마다 다양한 형식이 존재하고, 데이터형식이 늘어나면 모델의 난이도도 급상승한다는걸 깨닫고 말았다...

 

3. 너무나도 다양한 딥러닝 모델

 

  나는 분명 이미지분류 (CNN)으로 시작했는데 눈을 떠보니 (GAN)의 세계에 와있었다.
모델이 이미지를 생성한다는 호기심에 시작된 모델 공부였지만, 그 안을 들여다보니 ANN - CNN - GAN - WGAN - WGAN-GP - LSGAN - CGAN - DCGAN - Pix2Pix - CyCleGAN 등 말 그대로 너무나도 많았다.
결국 한번씩 손을 대보긴 했지만 구글링이 없었다면 글쎄...

 

  우리들이 신기해하는 모델은 수십개의 모델이 발전되어 온 최종 모델이다.
GPT를 만들자고 하는 사람들에게 말하고 싶다. 그걸 만들 수 있었다면 이미 개인이 아니야.
Multi Modal 정도의 수준은 되어야 사람들은 인공지능에 관심을 가진다. 그거 단일 모델이랑 수준이 달라.