그러면 이러한 순환 신경망은 어디에 사용될까요? 연속 데이터에 대한 결과를 예측하거나 분류할 때 사용됩니다. 순환 신경망 방식이 기존의 일반적인 인공 신경망 방식보다 뛰어난 점은 바로 전후 관계를 학습한다는 것입니다. 일반적인 데이터의 패턴을 학습하는 인공 신경망에서 한 단계 더 나아간 학습 방법입니다. 순환 신경망 방식은 전후 관계에 대한 패턴을 학습하기 때문에 다양한 곳에서 사용됩니다.

먼저 언어 번역에 사용됩니다. 전 세계에는 수많은 언어가 있습니다. 그리고 이러한 언어를 번역해 주는 다양한 번역 서비스가 있습니다. 이러한 서비스는 순환 신경망을 통해서 한 단계 더 발전하고 있습니다.

Hot Dog의 뜻을 알고 있나요? 물론 ‘뜨거운 개’라는 뜻이 될 수도 있지만 우리가 먹는 음식인 ‘핫도그’를 의미합니다. 그럼 어떻게 Hot Dog가 뜨거운 개인지, 음식인 핫도그인지를 구별할 수 있을까요? 이럴 때는 문맥(글의 흐름)을 살펴봐야 합니다. 사람들은 문맥을 살펴보면 이것이 뜨거운 개인지, 핫도그인지를 쉽게 구별합니다. 하지만 형태만 알고 있는 인공지능이라면 그 의미를 잘 구별해 내기가 어렵겠지요. 또한 ‘이’, ‘그’, ‘저’ 같은 대명사가 무엇을 의미하는지 문맥을 보지 않고서는 쉽사리 파악할 수 없습니다.

문맥을 학습할 수 있는 인공지능을 만들기 위해서 바로 이 순환 신경망을 사용합니다. 실제로 구글의 번역 기술에 순환 신경망 기술을 사용하니 기존 방식보다 훨씬 뛰어난 번역 성능을 보여주었다고 합니다.

또한 우리 주변에는 시간의 흐름, 또는 연속된 관계를 가진 데이터가 많습니다. 이러한 데이터를 사용하여 인공지능 모델을 만들 때 바로 이러한 순환 신경망이 사용됩니다. 셋째 마당에서는 코로나 19 바이러스 확진자 수를 학습해서 향후 확진자 수를 예측하는 인공지능을 순환 신경망의 방식으로 만들어 보겠습니다.