[ Essay - Technology, Essay - Intuition ] Chat GTP시대의 도래와 생각하는 방식에 대해 : 개발자의 미래에 대해

이미지
벌써 올해도 반쯤 지나 뜨거운 여름이 다가왔다. 굉장히 빠르게 지나간듯한 느낌이 드는데  아마 의미있는 시간을 보냈다는 이야기이기 때문에  그렇게 나쁜 신호는 아닐 것 이다. 괴로운 시간이였다면, 1초가 1년 같이 느껴졌을테니 말이다. 더위에 매우 약한 나에게 있어서는 지옥과 같은 시기이기도 하지만 늘 그렇던 것 처럼 에어컨 덕분에 어찌저찌 버틸 수 있을 것 같다. 어쨋든, 이번에는 저번의 에세이 주제, Chat GTP시대의 도래와 생각하는 방식에 대한 이야기에 이어서  과연 개발자의 미래는 어떻게 될 것인가에 대해 이야기를 나누어보려고 한다. 어쩌면 모두가 인식하고 있듯이 지금 2025년 현재,  꽤나 중요한 시기에 직면하고 있는지도 모른다. 왜냐하면, 생성AI의 발전 속도가 생각보다 빠르게 발전하고 있고,  그에 따라 실제 업무에서도 빠르게 사용되어지고 있기 때문이다. 이러한 상황에서 개발자에게 있어서 가장 두려운 점은  당연히 생성AI에 의해 개발자가 대체될 것 이라는 두려움일 것 이다. 이는 개발자에게만 한정된 이야기는 아니지만 말이다. 아마 필드에서 나와 같이 일하고 있거나  개발자로서 직업을 가지려는 생각이 있는 사람이라면  한번쯤은 생각해볼법한 주제라 생각 한다. 물론 미래가 정확히 어떻게 될 지는 알 수 없으나  이런 생각을 함으로써 몇 가지 힌트는 얻게 될지도 모르니  만약 얻게 된다면 미래에 대한 방향성을 조금이나마 올바른 쪽으로 돌릴 수 있을 것 이다. 이 글을 끝맽을 때는 조금이라도 힌트에 도달하기를 바란다. 과거의 역사 이러한 의문에 대한 해결책으로서 일반적으로 자주 사용하는 방법이 있다. 바로 역사를 보는 것 이다. 물론 이러한 역사를 해결책을 찾는거에 대한 전제조건은  우리가 '구 인류'라는 전제조건이 있었을 때 의미가 있다. 그러니깐 현대인도 기원전 8세기의 고대 로마인도  본질적으로 다르지 않다는 것을 인정해야만 한다. 예컨데...

[ 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 )