TIP
평균 제곱 오차(mean squared error)가 바로 이러한 방법 중 하나입니다. 평균 제곱 오차는 예측 값이 실제 값에서 얼마나 떨어져 있는지를 알아보는 방법입니다. 이때 생기는 오차를 제곱하기 때문에 평균 제곱 오차라고 합니다. 제곱하는 이유는 바로 부호를 없애기 위해서입니다. 양(+)의 방향으로 떨어져 있는지 음(-)의 방향으로 떨어져 있는지는 중요하지 않습니다. 중요한 것은 바로 얼마나 떨어져 있느냐죠. 이를 명확하게 나타내기 위해 제곱하는 것입니다. 음(-)을 제곱하면 양수(+)가 되기 때문이지요.
잠깐만요
실제로 인공 신경망으로 인공지능을 만들 때 이런 방식으로 오차값을 구하나요?
원리는 동일합니다. 하지만 실제 오차값을 계산할 때에는 여러 공식을 사용합니다. 정답은 없지만, 어떤 공식을 사용하는가에 따라서 인공지능의 성능 또한 달라집니다. 그러므로 데이터에 적합한 오차 공식을 구하는 것이 필요합니다.
이 부분이 더 궁금하시다면 《케라스 창시자에게 배우는 딥러닝(길벗, 2018)》을 찾아보세요.
이러한 오차값을 계산한 후 다음 번에는 이 오차값이 줄어들도록 인공지능을 잘 학습시키면 됩니다. 사실 모든 데이터에 대한 예측을 올바르게 하는 인공지능을 만들기란 쉽지 않습니다. 처음 인공지능을 학습시키면 오차가 많이 나타납니다. 이때 오차가 크면 클수록 잘못 예측하는 인공지능이기 때문에, 여러 번 학습시키면서 이 값을 줄여야 합니다. 인공 신경망이 반복 학습하는 이유가 바로 이것입니다.
그렇다면 어떻게 인공지능을 학습시킬까요? 이때 사용하는 방법이 바로 인공 신경망의 핵심입니다. 이 방법은 다음 절에서 살펴볼게요.