[경영정보론] 딥 러닝(Deep Learning)기술에 대한 이해 - 딥 러닝의 정의, 딥 러닝 기술의 성숙도와 관련 시장 현황, 딥 러닝 기술의 장점과 단점, 딥 러닝 기술의 응용분야와 대표적 기업, 립 러닝 기술의 진화와

소개글

[경영정보론] 딥 러닝(Deep Learning)기술에 대한 이해 - 딥 러닝의 정의, 딥 러닝 기술의 성숙도와 관련 시장 현황, 딥 러닝 기술의 장점과 단점, 딥 러닝 기술의 응용분야와 대표적 기업, 립 러닝 기술의 진화와 에 대한 보고서 자료입니다.

목차

1. 딥 러닝의 정의
2. 딥 러닝 기술의 성숙도 및 관련 시장에서의 현황
3. 딥 러닝 기술의 장점과 단점 (강점과 약점)
4. 딥 러닝 기술의 응용 분야 및 대표적 기업
5. 딥 러닝 기술 관련시장의 변화
6. 딥 러닝 기술의 진화 및 발전 방향

참고문헌

본문내용

인간의 지식을 여러 방식으로 저장하고 이를 기반으로 논리적 추론기능을 추가하는 새로운 접근이 이뤄졌지만 이 또한 의미 있는 성과를 내는 데는 실패했다. 거듭된 실패를 통해 연구자들은 인간의 지식을 저장해 이를 바탕으로 추론하도록 하는 것은 불가능에 가깝다는 인식을 하게 됐다. 컴퓨터에게 알려줘야 할 것이 너무나 많았기 때문이다.
그러던 인공지능이 최근 인간의 뇌구조를 모방한 인지 학습 기술인 딥 러닝에 의해 비약적으로 향상된 컴퓨팅 파워, 데이터 분석 기술로 다시 전성기를 맞게 된다. 이를 주도한 인물이 구글의 제프리 힌튼(Geoffery Hinton) 캐나다 토론토대학교 교수, 얀 레쿤(Yann LeCun) 뉴욕대학교 교수 겸 페이스북 인공지능연구소 소장, 앤드류 응(Andrew Ng) 스탠포드대학교 교수 겸 중국 바이두 연구소 최고과학자, 요슈아 벤지오(Yoshua Bengio) 캐나다몬트리올대학교 교수다.
이들에 의해 구글, 마이크로소프트, 바이두, 페이스북, IBM, 트위터 등을 비롯한 글로벌 IT 기업들이 인공지능 관련 기업을 인수하고 관련 전문가를 영입하고 있으며 IT 혁신 기업 간 인공지능 경쟁이 한창이다. 이에 뒤질세라 네이버도 음성검색 엔진에 딥 러닝을 적용하는 등 키워드 검색으로까지 확대 적용하며 인공지능 연구와 도입에 적극 나서고 있다. 다음카카오도 딥 러닝 기술을 보유한 케이큐브를 인수했다. 이처럼 딥 러닝 기술은 그 활용 범위가 매우 넓으며, 딥 러닝 기술에 대한 수요가 급증함에 따라 관련 연구도 활발히 진행되고 있다.
6. 딥 러닝 기술의 진화 및 발전 방향
딥 러닝은 다양한 응용 분야에서 빠르게 그 활용도를 높여가고 있고, 새로운 알고리즘의 개발뿐만 아니라 이를 효과적으로 지원하는 딥 러닝 시스템의 필요성도 점차 증가되고 있다. 아직까지 사람의 도움 없이는 완벽한 인공지능 시스템이 가동되기는 어렵기 때문에 지속적으로 연구와 실험이 진행되고 있으며, 천문학적인 속도로 기술의 진보가 이루어지고 있다. 그렇다면 지금 딥 러닝 기술이 어떻게 발전될 것이며 무엇이 뜨고 있는지 살펴보도록 하겠다.
먼저 보건과 의료에서는 병원과 가정 등 언제 어디서나 환자의 상태를 지능적으로 모니터링 하면서 관리하고 환자 정보와 질병 정보 등을 분석하여 실시간으로 맞춤형 서비스를 제공하는 것을 개발하고 있다. 그리고 자동차에서는 지능형 교통시스템을 기존의 교통체계에 지능형 기술을 접목시켜 안전하고 효율적인 교통 환경을 확보하고 운영의 효율성을 제고하기 위해 개발하고 있다. 로봇은 구글에서 사물인식과 운반이 가능한 로봇을 개발하고 있으며 아마존 기업은 드론을 응용하여 물류센터에서의 픽업부터 구매자의 주소지까지 배송하는 시스템을 개발하고 있다.
최근 딥 러닝에서 분산파일시스템 ‘하둡 생태계’가 부각되고 있다. 인간의 뇌 속에는 약 1000억 개의 신경세포가 있고, 이 신경세포는 또다시 100조 개의 시냅스로 복잡하게 연결돼 있다. 사람의 뇌에 담을 수 있는 정보의 양은 2.5페타바이트(PB)에 달한다. 인간의 뇌를 모방한, 인간의 사고와 감정을 모방하는 딥 러닝은 이러한 방대한 양의 데이터를 잘 담고 처리하는 측면이 더욱 강화되어야 한다. 방대한 데이터를 지금보다 더 비용 효율적으로 담고 실시간 처리를 위해서 딥 러닝의 스토리지는 병렬화되야 한다. 이에 따라 최근 딥 러닝에 하둡을 접목한 연구가 한창이다.
대표적인 사례는 온라인결제서비스의 대표주자 페이팔(paypal)이다. 페이팔은 결제사기를 막기 위한 딥 러닝을 연구에 하둡 2.0을 활용했다. 태생적으로 반복되는 특성을 가진 딥 러닝은 맵리듀스의 패러다임과 맞지 않다. 그러나 리소스 관리에 기반한 하둡 2.0 덕에 하둡 클러스터의 대규모 데이터 셋에 딥 러닝 알고리즘을 적용할 수 있었다고 페이팔은 밝혔다.
파이낸셜타임스는 2012년 이후 현재까지 약 170개의 인공지능 업체가 생겨났으며, 10년 뒤 인공지능 시장규모가 70조 달러를 넘어설 것으로 예상하고 있다. 그리고 컨설팅 기업 맥킨지(McKensey)는 2025년 인공지능을 통한 지식노동의 자동화 효과가 연간 5조2000억 달러로 내다봤다. 이러한 기세로 보았을 때 조만간 전문가의 손길 없이도 인간과의 이질감이 느껴지지 않으며 오히려 인간보다 더 뛰어난 인공지능으로 거듭나지 않을까 감히 예상해본다.
참고문헌
김민석, 데이터를 스스로 학습하는 알고리즘, 딥러닝, Digital Feed
Byoung-Tak Zhang, TA: Hyo-Sun Chun, 2015-spring, Deep Learning, School of Computer Science and Engineering, Seoul National University
김정희, Deep Learning - Machine Learning with Deep Neural Network, NAVER LABS
LG 경제연구소 조용수 수석연구원. ‘똑똑한 기계들의 시대, 인공지능의 현주소’
곽동민, 박세원, 이한남 저, 2015.04.15., 「머신러닝에서 딥러닝까지」, 퍼플
김지원 외 4명, 2015, 다양한 딥러닝 알고리즘과 활용, 한국정보과학회 / 정보과학회지
김건희 외 1명, 2016, 고성능 딥 러닝 시스템, 한국정보과학회 / 정보과학회지
인공지능의 정의, 첨단산업기술사전
마쓰오 유타카, 박기원 역, 「인공지능과 딥러닝」, 2015.12.10., 동아엠앤비,
도안구, 인공지능의 혁신 딥러닝... 클라우드와 빅데이터 플랫폼 덕, 한국철도학회
현대경제연구원, AI시대, 한국의 현주소는? - 국내 AI 산업 전반 점검
김영형 외 2명, 2015, 딥러닝 기반의 미래기술 전망, 한국정보기술학회 논문
인공지능과 딥러닝이 가져올 변화, 한국철도학회 철도저널 18권 1호, 2015년 2월, pp. 6-8
고성능 딥 러닝 시스템, 정보과학회지 제34권 제2호, 2016.2, 57-62 (6 pages)
다양한 딥러닝 알고리즘과 활용, 정보과학회지 제33권 제8호, 2015.8, 25-31 (7 pages)
윤리의 정의, 동아국어사전
[6편] 인공지능이 위협하는 미래의 일자리는? [특별기획] 인공지능 VS 자연지능, 브레인미디어

키워드

[경영정보론] 딥 러닝(Deep Learning)기술에 대한 이,   딥 러닝 기술의 성숙도와 관련 시장 현황,   딥 러닝 기술의 장점과 단점,   딥 러닝 기술의 응용분야와 대표적 기업,   립 러닝 기술의 진화와 발전 방향,   딥 러닝