AI, 머신러닝, 딥러닝 개념과 그 차이점

AI, 머신러닝, 딥러닝 개념과 그 차이점

 

 올해 내 인생 처음으로 자취를 시작했다. 같은 서울이지만 아는 사람 하나 없는 동네에서 첫 자취를 시작하면서 주말마다 본가를 가겠다는 목표를 세웠고, 이에 맞게 평일에는 퇴근해도 공부만 할거라는 결심을 했다. 하지만 천성부터 게을러 터진 나 임호춘은 자취 5개월차인 현재, 보기좋게 흐지부지가 되가고 있다. 그래도 이 와중에 최근 나답지 않은 취미가 생겼는데 그게 바로 독서였고, 현재 읽고 있는 책은 인공지능에게 대체되지 않는 나를 만드는 법, 에이트 라는 책이다. 따라서 인공지능에게 대체되지 않는 호춘이가 되기 위해 인공지능의 기본 개념부터 좀 정리해볼까한다 데헷데헷~

 

 

 본 내용에 앞서, 해당 개념들을 검색해보면서 가장 많이 본 이미지가 있었고, 다음이 바로 그 이미지다. 가장 큰 개념이 AI 즉, 인공지능이고 이 안에 Machine Learning, 그리고 그 안에는 Deep Learning이 속해있다. 뭐 거의 이미지만으로 대충 감이 온다. 인공지능에게 대체되지 않는 호춘이가 될 것만 같다.

 

 

인공지능(Artificial Intelligence)

인공지능은 정의하기 어려울 뿐 아니라, 세월에 따라 그 개념도 변한다. 다만, 전 세계 110여개 나라의 1300여개 대학교에서 교재로 사용하고 있다는 '인공지능 - 현대적 접근(Artificial Intelligence - A Modern Approach)'에서 4가지 관점에서의 정의가 나온다.

1. 인간처럼 생각하는 관점(Thinking Humanly)
2. 인간처럼 행동하는 관점(Acting Humanly)
3. 이성적으로 생각하는 관점(Thinking Rationally)
4. 이성적으로 행동하는 관점(Acting Rationally)

출처 : https://brunch.co.kr/@gdhan/10

 

 인간의 감각, 사고력을 지닌 채 인간처럼 생각하는 인공 지능을 일반 AI(General AI)라고 하지만, 현재의 기술 발전 수준에서 만들 수 있는 인공지능은 좁은 AI(Narrow AI)의 개념에 포함된다. 좁은 AI는 소셜 미디어의 이미지 분류 서비스나 얼굴 인식 기능 등과 같이 특정 작업을 인간 이상의 능력으로 해낼 수 있는 것이 특징이다.

 

머신 러닝(Machine Learning)

머신러닝은 인공 지능을 구현하는 구체적 접근 방식이다.

 

 머신 러닝은 AI를 구현하는 구체적 접근 방식이다. 즉, 머신 러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 한다. 따라서 궁극적으로는 의사 결정 기준에 대한 구체적인 지침을 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 '학습'시켜 작업 수행 방법을 익히는 것에서 얻으려 하는 것이다.

위에서의 알고리즘에는 의사 결정 트리 학습, 귀납 논리 프로그래밍, 클러스터링(군집화), 강화 학습, 베이지안(Bayesian)네트워크등이 포함된다. 그러나 이 중 어느 것도 일반 AI를 달성하지는 못하기 때문에 인공 지능을 구현하는 접근 방식으로 여겨진다.

 

딥 러닝(Deep Learning)

완전한 머신 러닝을 실현하는 기술이다. 또한, 인공신경망(Artificial Neural Network)의 새로운 이름이다.

 

 딥 러닝은 인공신경망(artificial neural network)에서 발전한 형태의 인공 지능으로, 인간의 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습한다. 초기에는 엄청난 양의 연산 때문에 상용화는 어려웠지만, 제프리 힌튼 이라는 교수가 슈퍼컴퓨터를 기반으로 딥 러닝 개념을 증명하는 알고리즘을 병렬화하는데 성공을하며, 딥 러닝 기반 인공 지능의 등장을 가져오게 되었다.

2012년, 구글과 스탠퍼드대 앤드류 응 교수는 16,000개의 컴퓨터로 약 10억 개 이상의 신경망으로 이루어진 심층신경망(Deep Neural Network)를 구현하면서, 유튜브에서 이미지 1,000만개를 뽑아 분석한 뒤, 컴퓨터가 사람과 고양이 사진을 분류하도록 하는데 성공을 하게 되었다. 즉, 컴퓨터가 영상에 나온 고양이의 형태와 생김새를 인식하고 판단하는 과정을 스스로 학습하게 한 것이다.

여기서 우리는 딥 러닝과 머신러닝의 차이점을 확인할 수 있다. 바로 분류에 사용할 데이터를 스스로 학습하느냐 인간이 제공해야 한다는 것이냐가 가장 큰 차이점으로 볼 수 있을 것 같다.

 

---

• Reference1 : https://blogs.nvidia.co.kr/2016/08/03/difference_ai_learning_machinelearning/
• Reference2 : https://wendys.tistory.com/136