Small data로 만드는 경량 머신러닝 TinyML

small Data로 머신러닝을 구동하는 방식인 TinyML(Machine Leaning)에 대해서 알아보려 한다. 빅데이터 시대의 큰 데이터는 표본 데이터 만으로 확률과 가설을 검증하는 통계 방식에 새로운 가치를 부여한 지 오래되었다.

 

TinyML

 

빅데이터 시대에는 그에 맞는 통계 기법이 나와서 세상을 조금씩 바꾸어 나가고 있다. 빅데이터 시대는 인공지능 기술의 발전을 가져왔다. 신경망네트워크는 역전파기술 도입으로 더 진보되었고, 프로그래밍 기법으로 머신러닝이 가능해졌다.

 

빅데이터의 시대 머신러닝의 시대

 

여기서의 전제는 빅데이터이다. 이런 빅데이터를 돌리기 위해서는 컴퓨팅 파워가 좋아야 한다. 그것도 아주 좋아야 한다. 머신러닝의 기본은 데이터를 기반한 학습이다. 학습에는 시간이 필요하다.

여기서 시대적으로 즉각적인 반응을 보여야 하는 시스템의 필요가 있다. 핸드폰과 센서가 그 앞에 있었다. 그래서 작은 데이터만드로 머신러닝을 돌려 학습시키고자 했다. 그리고 그 결과를 바로 반영하도록 하는 것이다.

TinyML이 필요한 이유이다.

 

 

 

 

TimyML은 자원이 제한적인 환경에서 구동하는 머신러닝이다. SF 영화나 소설 등에서 보게 되는 장면 중에 손목시계로 대화하고, 작은 컴퓨터 같은 로봇이 즉각적인 문제를 해결하는 모습이 나온다. 이런 상상을 현실로 만들어 주는 기술이 TinyML이다.

현재 우리는 TV와 대화하고, 스마튼 폰의 즉각 반응에 놀라워하지는 않는다. 이미 현실인 것을 안다. 이미 기술은 여기까지 온 것이다.

 

인공지능 기술의 발전이 만든 머신러닝

 

반응형

 

인공지능은 인간의 사고처럼 센서로 인지하고 문제를 만나면 해결하도록 하는 컴퓨터의 과학기술이다. 여기에는 컴퓨터와 데이터의 토대 위에 만들어져 있다. ML은 AI의 한 분야다. 

ML(머신러닝) 즉 기계학습은 컴퓨터가 데이터에서 학습을 하는 기술이다. 그 학습을 통해 스스로 능력을 향상할 수 있는 것이다. 일기예보, 내비게이션 길 찾기, 맞춤형 광고 내보내기 등 다양한 곳에 적용되고 있다. 이런 환경에 사용되는 머신러닝은 페타바이트 규모의 데이터를 수시로 학습 분석하고 트렌드를 찾는 것이다.

 

 

 

우리곁의 머신러닝

 

ML은 대규모의 데이터 세트 와 다양한 알고리즘, 컴퓨터 파워가 사용된다. ML의 핵심은 신경망 모델이다. 이 모델은 인간의 뉴런 방식을 응용한 알고리즘으로 확률값의 추론 결과를 만들어 낸다. CNN 인 컨볼루션 신경망, RNN인 순환신경망이 대표적이다.

신경망 모델의 발전은 모델을 학습시키고 조정하고 구축하는 복잡한 작업을 간소화 나갔다. 더 많은 수의 ML 라이브러리와 프레임 워크 그리고 새롭고 간편한 툴의 발전에 의해서 이다.

이런 단순히 기술의 집약을 에지 컴퓨팅 환경이 있어서 가능했다. 여기에는 엣지 기반 산업용 애플리케이션도 같이 한몫을 한 것이다.

 

더 많은 TinyML을 기대하며

 

이런 TinyML의 기술은 많은 시간의 기술발전과 산업의 영향 그리고 우리가 원하는 사회를 이루려는 많은 사람의 노력과 창의로 가능해진 것이다. 이제 더 많은 TinyML 기술이 기대된다.

 

 

>> 같이보기

 

How TinyML Gives us Spider-Man Powers | Emelie Eldracher | TEDxMIT

How TinyML Gives us Spider-Man Powers | Emelie Eldracher | TEDxMIT

 

 

도서:  초소형 머신러닝 TinyML

초소형 머신러닝 TinyML