[ML/DL] AI 와 ML 과 DL의 기본 개념

하나·2022년 4월 2일
0

ML/DL

목록 보기
3/9
post-thumbnail

AI, ML, DL 의 개념들과 예시를 알아보자!

01-1. Aritificial Intelligence

인공지능은 크게 2가지로 나뉜다고 한다.

  1. strong AI (artificial general intelligence) : 사람과 구분이 안 될 정도로 강한 성능을 가진 AI
  2. weak AI (artificial narrow intelligence) : 특정 영역에서 작업을 수행하는 AI

Strong AI 와 Weak AI 로 분류하기도 하지만 Narrow AI vs General AI로 분류하기도 한다. 이름만 다를 뿐이지 의미는 같다.

strong AI 와 General AI는 인간이 할 수 있는 어떠한 지적인 업무도 성공적으로 해낼 수 있는 (가상적인) 기계의 지능을 말한다.

보통 영화에 나오는 인간처럼 행동하는 로봇을 strong AI, 챗봇 같이 특정한 분야에서만 일을 처리하는 인공지능은 weak AI 라고 생각하면 간단하다.

인공지능 분야가 계속해서 활발하게 연구도 되고 발전하고 있지만 아직 Strong AI 가 구현되기에는 멀었다고 생각한다!

  • AI(인공지능) > ML(머신러닝) > DL(딥러닝)

01-2. Machine Learning

  • 학습(훈련) : 데이터의 규칙을 찾아 수정하는 과정
  • Parameter : 가중치와 절편
  • Model : 훈련 데이터로 학습된 머신러닝 알고리즘

인공지능 안에는 머신러닝이 있는데 이 머신러닝은 또 학습 방식에 따라 나뉜다.

  • 학습 방식에 따른 분류
  1. Supervised learning(지도학습) : 입력과 타깃으로 모델을 훈련
  2. Unsupervised learning(비지도학습) : 타깃이 없는 훈련 데이터로 모델을 훈련
  3. Reinforcement learning(강화학습) : 주어진 환경으로부터 피드백 받아 훈련

지도학습은 라벨이 있는 (정답이 있는) 학습 방법, 비지도학습은 라벨이 없는(정답이 없는) 학습 방법이다. 간단히 예를 들자면 지도학습에는 스팸 메일 분류 문제가 들어갈 수 있을 것이다. 수신 된 메일이 스팸인지 아닌지를 구분해내는 분류 모델을 만들기 위해 우리는 메일 내용 데이터과 스팸인지 아닌지가 적혀있는 라벨 데이터가 필요하다. 이 정답이 있는 데이터를 모델에 학습시켜 나중에는 메일 내용만 줘도 그 메일이 스팸인지 아닌지 분류해주는 모델이 만들어진다고 생각하면 된다.

비지도학습의 예로는 군집화가 있다. 굳이 정답이 있지 않아도 가지고 있는 특성들을 바탕으로 데이터들은 벡터공간 안에서 서로 비슷한 것들끼리 군집을 만들게 된다.

강화학습은 행동심리학에서 영감을 받았으며, 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이라고 한다. 강화학습은 아직 공부를 해보지 못했기 때문에 조만간 꼭 공부해보고 싶은 분야이다.

그렇다면 마지막으로 Deep Learning 은 무엇이고 ML 과 어떤 차이가 있을까

01-3. Deep Learning

  • 머신러닝 알고리즘 중 하나인 인공신경망으로 만든 것
  • DL 은 ML이 처리하기 어려운 데이터를 더 잘 처리함
  • DL 에 잘 맞는 데이터 : 이미지/영상, 음성/소리, 텍스트/번역 등의 비정형 데이터
  • ML 에 잘 맞는 데이터 : 데이터베이스, 레코드 파일, 엑셀/CSV 등에 담긴 정형 데이터

딥러닝은 머신러닝 중 인공신경망의 형태를 가지고 훈련시키는 것 (입력층과 출력층 사이의 3개 이상의 히든 layer 가 있는 인공신경망 구조일때 deep 하다고 해서 딥러닝이라고 배웠다)이기 떄문에 아래 그림과 같은 포함 관계로 생각하면 된다!

0개의 댓글