[ 프로젝트 BEP ] 최종장 - 엔지니어로서의 마인드셋에 대해 : 우수한 엔지니어는 누구이고, 가져야할 마인드 셋에 대해

이미지
  들어가면서 이제 2025년도 얼마 남지 않은듯 하다.  조금 길어질 수도 있기 때문에  실제로 업로드 하는 것은 새해 이후가 될 가능성도 있으나  올해는 이 글로 마무리 해보려고 한다. 이제 이 최종장을 끝으로 이 프로젝트를 다소 마무리 할 수 있을 것 같다. 물론 전체적으로 글 자체가 부족한 부분이 여려 곳 보이지만,  이는 천천히 개선하기로 하고 일단 마무리를 잘 지어보려고 한다. 이 프로젝트의 목표는 어디까지나 주니어 엔지니어(넓은 범위로서)에게  도움이 될 수 있는 부분을 정리해 놓은 것 이며, 이를 전달하는 것에 주력을 했다. 정확히는 그 사이에 몇 번이나 직장은 바뀌었지만,  내가 다니고 있는 회사에서 작게는 멘터,  크게는 주니어 교육에 활용하기 위한 초안이였다. 들어가기 앞서서 먼저 개발자는 무엇인가에서 부터 시작해서,  수학은 필요한가, 그리고 학위에 대한 이야기를 나누어보았고, 그 다음으로 컴퓨터가 무엇인가에 대해서는,  가장 첫 장인 컴퓨터 개론에서 메모리 손실과 함께 설명하였다. 다음으로는 개발 방법론과 시스템 설계,  그리고 프로그래밍 언어에 대한 이야기로 간단하고 이론적인 이야기를 하였다. 눈치가 빠른 사람은 알 수 있듯이,  현실에서 가질 수 있는 몇 가지 의문으로 시작해서  컴퓨터라는 하드웨어 부터 시작해서,  프로젝트(개발 방법론), 설계, 프로그래밍 언어 순으로  일부러 점점 컴퓨터 세계로 들어가도록 구성을 해 놓았다. 여기서 한 걸음 더 나아가자면, 알고리즘이 들어갈 수는 있겠으나  어디까지나 가볍게 전달하는대에 목적이 있기도 하고,  개인적으로는 당장은 크게 중요하지 않은 부분이 라고 생각 했기 때문이다. 먼저 이 부분에 대해서 좀 더 자세히 이야기해보도록 하자. 시작 부터 모든 지식을 쌓을 수는 없다 이는 개발 영역에서만 해당되는 이야기는 아니지만,  모든 것에는...

[ Essay - Technology, Neural Network, IT, Math] 왜 뉴런 네트워크에서 편향(bias)이 필요한가?



일반적으로 Input으로 부터 시작해 
히든 레이어를 거쳐, 
Output의 값을 추출해 내는 것이 뉴런 네트워크이다.

새로운 토이 프로젝트에 진행하기 앞서
나는 우선 Python에서 뉴런 네트워크가 어떻게 
표현되는지에 대해 알아야 할 필요가 있었고,
이에 대한 튜토리얼을 포함해 
과거에 배웠던 이론들과 연결시키는 작업을 하고 있었다.

그런 도중,
나는 갑자기 편향(Bias)값에 대해 의문점이 들었다.

왜 편향 값이 필요할까에 대한 의문이다.

물론 그런 것은 그냥 넘어 갈 수도 있다.

엄밀히 말하면 
이런 의문들은 단순한 개발자로서는 필요 없다.

하지만 이는 탐구하는 것을 좋아하는 
나의 입장에서는 무척이나 중요한 일이다.

그렇기에 
이번에는 좀 더 나아가기에 앞서
이 편향(Bias)이라는 것이 왜 필요한지에 대해 이야기를 해보자.

편향에 대한 정의


한 가지 알아야할 것은 편향은 
뉴런 네트워크에서 나온 용어가 아니라는 점일 것이다.

정확히 말하면,
이 편향이라는 개념은 뉴런 네트워크 이론이 
대수학(Generic Algebra)에서 차용해온 용어(Term)로서
뉴런 네트워크만의 개념은 아니다.

위키피디아 영문판에 따르면 통계에서 사용하는 
편향에 대해 아래와 같이 설명한다.


Statistical bias is a feature of a statistical technique or 
of its results 
통계적 편향은 통계적 기법 또는 통계의 결과에 대한 
특징(feature)로서
where by the expected value of the results differs 
실제 정량적인 매개변수와 다르게 
from the true underlying quantitative parameter being estimated
결과의 예상 값이 추정하는 것을 말한다.

즉, 명확히 정략적으로 표현되는 것이 아닌 추정 값이라는 이야기 이다.

뉴런 네트워크에서 편향은 왜 필요한가?


뉴런 네트워크에서 편향이 필요한 이유는 비교적 간단하다.

뉴런 네트워크는 학습해야하기 때문이다.

뉴런 네트워크는 행동한 후 학습을 거쳐, 
후에 더욱 정확한 판단을 하기 위해 이를 수치로 반영할 필요가 있다.

마치 인간이 어떠한 행동을 하고 
이를 행동에 반영하는 것 처럼 말이다. 

뉴런 네트워크에서는 이런 수치의 반영은 
순방향 전파와 역 전파에서 하고 있다.

편향은 이러한 뉴런 네트워크에서 
다음에 더욱 정확한 판단을 하기 위해 
즉, 수치를 반영할 때의 장치이다.

결국 뉴런 네트워크에서 가장 핵심은 
수 많은 데이터들을 판단할 '선'을 결정하는 것이다.

편향은 이런 값을 반영해 선의 위치를 결정하는 역할을 한다.

내가 참고한 오버스텍플로우의 스레드에서 
이에 대한 애니메이션을 누군가 공유했는데 
이를 살펴본다면 궁금증에 대한 해결에 가까워 질 것이라 기대한다.

차례대로 ReLU에서 편향이 없을때와 있을 때를 보여준다.



위에 애니메이션에서 나타나듯이 
편향이 없다면 (0,0)에서 벗어 날 수 없다.

즉, 편향이 없다면 
데이터들을 나누는 '선'을 결정할 때 
(0,0)에 벗어날 수 없기 때문에 
자유롭게 선을 결정할 수 없으므로
그 만큼 뉴런 네트워크의 퍼포먼스는 떨어질 수 밖에 없다.

따라서 편향을 사용하게 된다면
'선'을 더욱 다양하게, 더욱 복잡한 상황에서도 
그릴 수 있기 때문에 사용하지 않는 것 보다
편향을 사용하는 것이 퍼포먼스에 있어서 중요하다는 
결론을 내려볼 수 있다.

결론


결론적으로 
뉴런 네트워크에서 편향(bias)은 필요하다.

물론 필수는 아니지만,
더 좋은 것이 있고, 더 퍼포먼스가 뛰어난 것이 있는데 
굳이 사용하지 않는다는 것은 이해하기가 힘들다.

그렇지 않은가?

올바른 비유일지는 모르겠으나

밥을 먹을 때, 앞에 숟가락이 놓여져 있는데
굳이 손으로 집어먹을 이유는 없다.

서양으로 비유하자면
내 앞에 나이프가 놓여져 있는데
굳이 사용하지 않고 스테이크를 먹을 이유는 특별히 없다는 것이다.

뉴런 네트워크에 대한 이해가 깊어졌기를 바란다.






2021.09.04 초안 작성 및 개행 완료 




이 블로그의 인기 게시물

[ Web ] 웹 애플리케이션 아키텍처 (Web Application Architecture)

[ Web ] 서버 사이드(Sever Side) ? 클라이언트 사이드(Client Side)? 1 [서론, 클라이언트 사이드(Client Side)]

[ Web ] 웹 애플리케이션 서버 아키텍처의 정의 및 유형 ( Define and Types of Web Application Server Architecture )