AI는 옷 사진으로 무엇을 연습할까

사진을 보고 티셔츠인지 운동화인지 고르는 일은 사람에게 대개 어렵지 않다. 그런데 컴퓨터에게 같은 일을 맡기려면 무엇을 보여주어야 할까.

TensorFlow의 공식 입문 예제는 옷과 신발 등의 사진을 분류하는 과정을 소개한다. 거창한 풍경 사진 대신 작은 흑백 이미지가 등장한다. 티셔츠, 바지, 가방, 운동화처럼 익숙한 물건들이다.

어려운 코드를 따라 하지 않고도 이 예제가 어떤 방식으로 준비되어 있는지는 살펴볼 수 있다.

사진 옆에 붙어 있는 정답

예제에서 사용하는 Fashion-MNIST에는 이미지와 함께 종류를 나타내는 표지가 들어 있다. 사람의 눈에는 옷으로 보이는 사진에, 컴퓨터가 처리할 수 있는 정답을 붙여 둔 셈이다.

이미지는 가로와 세로가 각각 28칸인 작은 격자로 표현된다. 각 칸에는 밝기를 나타내는 숫자가 들어간다. 화면에 보이는 그림을 계산할 수 있는 값으로 다루는 것이다.

분류 대상은 열 종류다. 이 예제의 모델은 먼저 정해진 종류들 가운데 어느 쪽에 가까운지 연습한다. 세상의 모든 옷을 자유롭게 설명하는 시스템을 만드는 것과는 범위가 다르다.

연습 사진과 시험 사진을 나눈다

공식 예제는 학습에 쓰는 이미지 6만 장과 평가에 쓰는 이미지 1만 장을 구분한다. 연습할 때 보던 사진과 다른 사진에서도 분류가 잘 되는지 확인하려는 구성이다.

이미 본 문제에서 잘했다고 새로운 문제에서도 같은 결과를 낸다고 장담할 수는 없다. 예제는 이 차이와 과적합이라는 문제도 설명한다. 여기서는 학습용 사진을 잘 맞히는 일과 새로운 사진을 잘 맞히는 일이 다르다는 정도로 이해하면 된다.

이 글에서 모델을 직접 실행해 성능을 측정한 것은 아니다. 공식 문서가 어떤 연습과 평가를 안내하는지 소개하는 것이다. 따라서 여기의 설명이나 삽화를 실제 실험 결과로 받아들이면 안 된다.

자신 있게 고른 답도 틀릴 수 있다

예제에서는 모델이 각 종류에 대해 내놓은 값을 비교해 답을 살핀다. 문서가 함께 강조하는 것은 자신 있게 고른 답도 틀릴 수 있다는 점이다.

이 사실을 알면 AI가 이미지를 분류한다는 말을 조금 구체적으로 이해하게 된다. 어떤 사진으로 무엇을 연습했고, 어떤 종류 중에서 답을 골랐으며, 새 사진으로 어떻게 확인했는지까지 보게 된다.

그렇다고 옷 사진을 볼 때마다 숫자 격자를 떠올릴 필요는 없다. 사람에게 익숙한 물건도 컴퓨터의 연습 문제가 될 수 있다는 것만으로 재미있는 시작이다.

다음에 AI가 사진에 이름을 붙이는 모습을 보면 답 하나만 보지 말고 그 뒤의 연습 문제도 생각해 보자. 작은 티셔츠 사진 한 장이 의외로 많은 준비를 품고 있다.