인공지능, 머신러닝, 딥러닝의 관계

728x90

처음 인공지능을 배울 때 헷갈렸던 것들을 정리해보자.

AI (Artificial Intelligence)는 일반적으로 인간의 학습능력, 추론 능력, 지각 능력이 필요한 작업을 할 수 있도록 컴퓨터 시스템을 구현하려는 컴퓨터과학의 세부분야 중 하나이다.

머신러닝과 딥러닝의 차이가 무엇일까? 두가지는 다른 것일까?라는 의문이 생길 수 있다.

가장 쉬운 요점은 딥 러닝이 머신 러닝에 해당한다는 것이다.

구체적으로, 딥 러닝은 머신 러닝이 진화한 것으로 여겨진다. 딥 러닝은 기계가 사람의 도움 없이도 정확한 결정을 내릴 수 있도록 해주는 프로그래밍 가능한 신경망을 사용한다.

머신러닝이란?

데이터를 구문 분석하고 해당 데이터를 통해 학습한 후 정보를 바탕으로 결정을 내리기 위해 학습한 내용을 적용하는 알고리즘이다.

즉, 손전등, 자동차 또는 컴퓨터 화면이 작동하는 것과 같은 방식으로 기계적 기능을 수행하는 여러 복잡한 수학/코딩이다.

‘머신 러닝’이 가능하다는 말은 주어진 데이터로 기능을 수행하고, 시간이 지남에 따라 그 기능이 점차 향상됨을 의미한다.

딥러닝이란?

기본 머신 러닝 모델은 그 기능이 무엇이든 점진적으로 향상되는데, 여전히 약간의 안내가 필요하다. AI 알고리즘이 부정확한 예측을 반환하면 엔지니어가 개입하여 조정해야 한다.

딥 러닝 모델을 사용하면 알고리즘이 자체 신경망을 통해 예측의 정확성 여부를 스스로 판단할 수 있다. 즉 자체적인 두뇌가 있는 것처럼 보이는 기술을 통해 학습할 수 있다.

이를 달성하기 위해 딥 러닝 애플리케이션은 인공 신경망이라는 계층화된 알고리즘 구조를 사용한다.

인공 신경망의 설계는 인간 두뇌의 생물학적 신경망에서 영감을 얻어, 표준 머신 러닝 모델보다 훨씬 더 뛰어난 학습 프로세스를 제공한다.

지도 학습 (supervised learning)
- 정답 (label) 이 있는 데이터들을 학습한다.
- 사람에 의해 데이터와 정답의 역할을 하는 레이블label을 제공받는다.
비지도 학습 (unsupervised learning)
- 지도 학습과는 달리 외부에서 정답(label)이 주어지지 않고 학습 알고리즘이 스스로 입력으로부터 어떤 구조를 발견하는 학습이다.
강화 학습 (reinforcement learning)
- 강화(Reinforcement)는 시행착오(Trial and Error)를 통해 학습하는 방법으로 이러한 강화를 바탕으로 강화학습은 실수와 보상을 통해 학습을 하여 목표를 찾아가는 알고리즘이다.
준지도 학습semi-supervised learning
- 소량의 레이블링 된 데이터에는 지도 학습을 적용하고 대용량 레이블링 되지 않은 데이터에는 비지도 학습을 적용하여 추가적인 성능향상을 목표로 하는 방법

그 외
- 전이학습(Transfer Learning), 연합 학습(Federated Learning), 메타러닝(Meta Learning), 설명 가능한 인공지능(eXplainable Artificial Intelligence: XAI), 자기지도학습(Self-Supervised Learning)

공책,