신기술 발전에 따른 산업 지형의 변화 전망과 대응전략 제1권 종합편 분석틀과 사례요약 paragraph_id 14693

2012년 이후부터는 인공신경망 기술을 심화 발전시켜 계층적으로 추상화한 개념을 쌓아 올려가며 객체를 분별하는 ‘딥러닝(Deep Learning)’ 방법론이 가장 각광받고 있다. 딥러닝은 각 층(layer)마다 주성분 분석(principal component analysis) 기법과 유사하게 ‘특징표현’을 추출해 내는데, 이를 다계층에 걸쳐 수행함으로써 일반 주성분 분석보다 훨씬 높은 차원의 추상화가 가능하다(마쓰오 유타카, 2015 : 161-162). 2014년 구글이 선보인 딥러닝 알고리즘은 무려 22개 계층의 모형을 구축했다(Szegedy, 2015). 인공신경망 기술을 발전시킨 딥러닝 기술의 등장으로 인지컴퓨팅은 고도로 추상화된 개념의 학습이 가능해지며 급격히 발전하게 된 것이다. 그런데, 딥러닝 기술은 학습을 위해 많은 데이터가 필요하므로 데이터가 풍부한 분야에서 우선적으로 적용되며, 거대한 연산자원을 요구한다.