<시리즈> 첨단컴퓨터의 세계(161);신경망 문제점 분석

지금까지 과학과 기계성능의 발전은 밀접한 관련이 있었다. 인류의 초기에는 생존을 위해 사냥을 하는 도구들의 개발과 개량에 초점이 맞추어졌으나 점차 인간의 일상생활에서 필요로 하는 물건의 개발에 역점이 주어졌다.

기계문명의 본격적인 발전은 18세기 산업혁명의 영향이 컸다. 농경사회에서 산업사회로의 변환은 인간의 육체노동을 대신하는 기계의 역할이 결정적이었을 것이다.

그러나 과학의 발달과 더불어 고도의 정확성과 빠른 처리속도를 가진 첨단의 전자적인 장치를 통하여 불과 1백여년전에는 상상도 하지 못했던 일들이 현실로 나타나면서 인간은 유사이래로 꿈꾸어 왔던 지능적인 기계에 관심을 가지게 되었으며 이를 빠르고 정확한 처리능력을 가진 컴퓨터를 통하여 구현하고자 노력해 왔다.

지능적인 시스템을 구현하기 위한 노력은 주로 인공지능과 신경망을 통하여 이루어져 왔다. 인공지능은 충분한 양의 지식을 컴퓨터에 제공해 주고 정확 한 추론 메커니즘에 의해 인간과 유사하거나 인간보다 빠르고 정확하게 판단 할 수 있다는 점에 근거를 두고 있다.

한편 신경망은 인간의 두뇌를 묘사하여 뉴런들의 작용을 수학적 모델링을 통해 지능적인 시스템의 실현을 이룩하고자 하였으며 지금까지 상당히 좋은 결과를 도출한 것 또한 사실이다. 그러나 신경망에 대한 연구는 아직까지도 머나먼 여행에서의 출발에 불과한 실정이다.

따라서 여기에서는 현재 신경망이 안고 있는 문제점들을 명확히 정리함으로 써 이에 대한 해결방안을 모색할 수 있도록 신경망 연구에 있어서의 문제점 들을 고찰하고 앞으로의 연구개발 과제에 관해 살펴본다.

첫째, 신경망 크기의 확장이다. 현재까지 구현된 신경망은 인간의 두뇌와 비교할 때 질적으로나 양적으로 커다란 차이점을 보이고 있다. 따라서 현재 사용하고 있는 몇천개 또는 몇만개 정도의 뉴런 수를 획기적으로 늘려 보다 대규모적인 신경망 구현이 필요하다.

둘째, 신경망 처리에 있어서의 고속화이다. 수많은 뉴런들을 효과적으로 다루기 위해서는 보다 빠른 프로세서의 구현이 필요하다.

신경망에 있어서의 주요 특징인 학습을 위해서는 반복적인 계산이 필요하므로 신경망 칩 개발과 더불어 광소자나 분자소자 등의 새로운 디바이스의 개발도 역시 필요하다.

또한 신경망에 있어서의 다른 주요 특성인 병렬처리성을 구현하기 위해서는신경망 전용 병렬처리기가 필요하다. 대규모 병렬처리(Massiv-ely Parallel )를 통하여 뉴런과 뉴런들 사이의 연결강도를 병렬로 처리함으로써 생물학적 인 신경망과의 차이를 줄일 수 있다.

셋째, 학습 데이터의 문제이다. 규모가 큰 신경망을 구축하기 위해서는 많은양의 학습 데이터를 준비해야 한다. 따라서 학습 데이터를 자동적으로 신경 망에 입력시키는 등의 효과적인 방법들이 강구되어야 한다.

넷째, 학습의 문제이다. 학습을 할때는 네트워크의 연결강도를 끊임없이 조정해야 하는데 현재의 방법으로는 충분치 않다. 특히 가장 많이 쓰이고 있는지도학습 Supervised Lear-ning)의 경우에는 추가학습을 할 때 이미 학습한 내용과 추가된 내용을 함께 재학습해야만 하는 문제점을 가지고 있다.

다섯째, 실세계를 모델링할 수 있는 새로운 뉴런 모델의 개발이다. 현재 쓰이고 있는 뉴런 모델들을 인간의 신경계로부터 가장 간단한 원리만을 뽑아서 만든 수학적 모델링이기 때문에 인간의 두뇌와 같이 고도의 지능적인 메커니즘을 구현할 수 없다.

따라서 생리학적인 측면을 고려하여 지금보다 훨씬 복잡한 뇌신경계에 가까운 모델링이 필요하다. 이를 위해서는 몇가지의 가설과 더불어 수많은 시뮬레이션을 통한 피드백을 이용하여 네트워크에 반복적인 실험을 함으로써 보다 정교한 신경망 모델의 정립이 가능해질 것이다.

마지막으로 신경망을 원활하게 처리할 수 있는 신경망 컴퓨터의 구현이다.

신경망전용 컴퓨터를 개발함으로써 시뮬레이션을 통한 처리속도와 정확도면 에서의 장점을 취할 수 있을 것이다.