머신러닝과 딥러닝은 같은 말?

인공지능이 널리 알려지다 보니, 유사한 개념이 많 이 소개됐습니다. 대표적으로 머신 러닝과 딥 러닝입니다. 듣기는 많이 들었는데, 뭐가 뭔지 구분이 잘 안 가는 매우 어려운 개 념입니다. 하나씩 차근차근 소개하겠습니다. 먼저 인공지능은 인간처럼 생각하는 지능을 말합니다. 가장 큰 개념이죠. 그리고 인공지능을 구현하는 구체적인 접근 방식이 있는데, 머신 러닝이 그 예입니다. 머신 러닝은 빅 데이터와 알고리즘을 통해 컴퓨터를 학습시킴으로써 결과를 만들어냅니다. 또한 머신 러닝을 진행하는 많은 기술적 접근법이 있는데, 회선 신경망(Convolution Neural Network CNN)이나 재귀신경망(Recurrent Neural Network RNN) 같은 지도 학습(Supervised Learming) 기반의 딥 러닝 기술이 구글과 아마존과 같은 글로벌 IT기업에게 큰돈을 벌어주고 있습니다. 조금 더 쉽게 설명하겠습니다. 단계적으로 보면 인공지능이 가장 포괄적이고, 이 안에 머신 러닝이 있으며, 또한 머신 러닝 안 에 딥 러닝이 있는 것입니다. 따라서 딥 러닝은 당연히 머신 러닝이면서 인공지능입니다. 그러나 모든 인공지능이 딥 러닝은 아 닙니다. 그리고 지도 학습은 이제까지 진행된 머신 러닝의 주류 학습법으로 사물(데이터)과 이름(레이블)의 짝을 매칭시켜 집중 학 습하는 방법인데, 사물 X와 이름 Y의 쌍을 지속적으로 학습하는 식입니다. | 예를 들어서 설명하겠습니다. '알파고 리는 경기 전 7개월 동안 기보 16만 건을 학습했습니다. 이러한 학습을 통해 바둑 두는 법을 알게 된 것이죠. 알파고는 딥 러닝 기술이 적용됐습니다. 특히 CNN 방식의 지도 학습법을 사용했는데, CNN의 특징은 이 미지를 매트릭스 형태로 쉽게 인식할 수 있다는 장점이 있습니다. 즉, 알파고는 바둑판 그대로 인식함으로써 더 빨리 처리를 할 수 있죠. | 머신 러닝이나 딥 러닝 모두 학습을 기반으로 데이터를 분류해 처리합니다. 예를 들어보겠습니다. 인간은 개와 고양이를 자연 스럽게 구분합니다. 우리의 뇌에서 개와 고양이를 보고 각각의 특징을 확인한 후에 그동안 쌓아온 지식과 경험을 통해 구분을 합니다. 오랫동안 겪은 과정이기 때문에 빠르고 쉽게 판단이 가능합니다. 이 같은 뇌의 처리를 컴퓨터로 하는 것이 바로 머신 러 닝과 딥 러닝이 하는 일입니다. 이미지를 분류하는 것이죠. 자율주행 자동차의 경우는 대상물이 사람인지, 그림자인지, 빨간불인 지 녹색불인지를 판단해야 하는 것입니다. 머신 러닝의 가장 큰 특징은 귀납적 학습체계로 만들어진다는 것입니다. 다르게 말하면 통계적으로 학습해서 패턴을 찾아 학 습하는 것을 말합니다. 귀납법에 대해서 잘 아시죠? 개별 사례들에 대한 관찰과 경험을 통해 일반적인 결론을 이끌어내는 추론 법이죠. 머신 러닝은 개든 고양이는 수십만, 수백만 데이터를 통해서 개의 특성과 고양이의 특성을 발견합니다. 개나 고양이나 특징이 있잖아요. 그걸 패턴이라고 말합니다. 머신 러닝은 데이터에서 바로 이러한 패턴을 찾아 일반화시킵니다. 이것을 귀납적 학습 또는 통계적 학습이라고 하죠. 통계가 그렇듯이 머신 러닝은 주어진 알고리즘에 따라서 수많은 데이터를 분석해서 판단이나 예측을 합니다. 한번 생각해보 죠. 우리가 생활하면서 이와 같은 방식으로 적용하면 좋을 서비스가 뭐가 있을까요? 여러분에게 익숙한 파파고와 카카오 번역 기가 바로 머신 러닝을 이용한 대표적인 서비스입니다. 우리가 문장을 입력하고 원하는 결과가 나오지 않을 경우, 사용자는 최 적의 번역이 나올 때까지 문장을 조금씩 바꿉니다. 이 과정에서 번역 알고리즘이 학습을 하게 되고, 이 횟수가 쌓일수록 더 나은 번역을 제공할 수 있게 되는 것입니다. 페이스북에서 사진 속의 인물이 누구인지 한두 번 태그를 하면 어느 순간부터 사진 속의 인물이 누구인지 추천을 해주죠. 이것도 머신 러닝 결과입니다. 머신 러닝은 빅 데이터와 클라우드 컴퓨팅을 활용하기 위해 매우 중요한 접근법입니다. 글자 인식, 문서 인식, 생체인식, 자연 어 처리, 금융데이터 분석, 의료정보 등 거의 모든 분야에서 활용되는 융합기술로 발전하고 있습니다. 출처:인공지능 너때는 말이야