AI, ML, DL 차이

1. AI, ML, DL 정의

1. AI 인공지능(Artificial Intelligence)

   • 인간의 학습능력, 추론능력, 지각능력, 언어 이해능력 등을 컴퓨터에 구현한 기술

2. ML 머신러닝(Machine Learning)

   • 머신 러닝은 과거의 경험을 바탕으로 추론 및 결정을 하는 방법을 머신에게 알려줍니다. 패턴을 파악하고 과거의 데이터를 분석하여 이러한 데이터들의 의미를 추측하고, 인간의 경험을 필요로 하지 않고서도 가능한 결론에 도달합니다. 이러한 머신 러닝를 통해 데이터를 평가하고 결론을 낼 수 있으며, 기업은 인적인 시간을 절약하고 더 나은 판단을 내릴 수 있습니다.
   • 많은 데이터를 기반으로한 학습
   • 뇌의 구조와 같은 인공신경망, 결정 트리 등의 기계학습
   • 클라우드 컴퓨터가 학습 모형을 기반으로 외부에서 주어진 데이터를 통해 스스로 학습
   • 빅데이터를 분석하고 가공해서 새로운 정보를 얻어 내거나 미래를 예측하는 기술
   • 축적된 데이터를 토대로 상관관계와 특성을 찾아내고 결론을 도출

3. DL 딥러닝(Deep Learning)

   • 머신 러닝 방식의 일종입니다. 결과를 분류하고 추측하기 위해서, 레이어를 통해 입력을 처리하는 것을 기계에 가르칩니다
   • 뇌의 구조와 같은 인공신경망 네트워크로 이루어지는 기계학습
   • 알고리즘을 통한 ML로 인해 통계분석가들이 일일이 데이터를 입력하지 않아도 데이터값을 출력
   • 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 인공신경망을 기반으로 구축한 기계 학습 기술
   • 축적된 데이터를 분석만 하지 않고 데이터를 학습까지 하는 기계 학습 능력을 활용하여 결론을 도출

2. AI, ML, DL 분야 및 알고리즘

ML과 DL을 구분할 때 알아 둬야 할것중 하나가 ML에서의 인공신경망(ANN, artificial neural network)이다.

인공신경망이란?

• 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘
• 인공신경망은 많은 입력들에 의존하면서 일반적으로 베일에 싸인 함수를 추측하고 근사치를 낼 경우 사용
• 일반적으로 입력으로부터 값을 계산하는 뉴런 시스템의 상호연결로 표현되고 적응성이 있어 패턴인식과 같은 기계학습을 수행

다시 보면, ML에서 인간의 뇌를 모방한 인공신경망에 네트워크를 더한것으로, 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 DL이라고 한다.

그래서, 딥(Deep)은 깊이 배운다는 의미가 아니고 연속된 층으로 표현을 학습한다는 의미다.

3. ML, DL 프로세스

• ML
  • Fearturing engineering을 통해, 각각의 문제를 여러 파트로 쪼개고 답을 구해서 합치는 방법을 사용
    
• DL
  • Input Data, Feature에 대한 Enginneering이 필요 없음
    

4. ML, DL 차이

1. 처리하는 데이터 종류

• ML
  • 데이터베이스, 레코드 파일, 엑셀 파일 등의 정형 데이터
• DL
  • 이미지, 영상, 음성, 택스트(Text), 소리 등의 비정형 데이터

2. 학습 방법

• ML
  • 높은 수준에서 입력에서 출력에 이르는 기능들을 대략적으로 학습하는데 중점으로 데이터 기반으로 한 다양한 기술을 학습하는 데 사용
  • 알고리즘 : 랜덤 포레스트, ...
• DL
  • 학습을 위한 실제 알고리즘을 제공하는 것 외에도 다양한 알고리즘의 가중치 분석, 가능한 가상 공간 이해등을 위한 이론 도구(VC 치수 등)를 제공
  • cnn, rnn ...
  • Neurral Network : 뉴럴 네트워크는 인간의 신경 세포와 같은 유사한 원리에 따라 기능합니다. 뉴럴 네트워크는 마치 인간의 뇌처럼 다양한 기초 변수들 사이의 관계를 파악하고 데이터를 처리하는 일련의 알고리즘입니다

3. 결과에 대한 분석 방법

• ML
  • Engineering한 범위내에서 결과에 대한 명확한 이유와 원인등을 알수 있음
• DL
  • 왜 어떠한 근거로 이러한 결과를 내었는지를 말해주지 않기 때문에, 사람이 그 결과를 해석하지 못함
  • 결과에 대한 해석 방법 : Desion Tree, 선형회귀모형 등과 같은 해석가능한 알고리즘을 활용

4. 활용처

• ML
  • 암진단, 암수술, 등의 의료분야 사업, 구글 서치, 메일 스팸, 아마존 추천
• DL
  • 알파고, 스타그래프트 등 게임분야, 자율주행 자동차, 자율택시 등과같은 교통산업, 자연어
  • 분야
    • 자연 언어 처리(NLP : Natural Language Processing)
      – 자연어 처리는 기계에 의한 언어의 판독, 이해, 해석의 과학입니다. 기계는 사용자가 무엇을 의도하고 있는지를 사용자의 의사소통을 이해하면 그에 따라 응답합니다.
    • 컴퓨터 비전(Computer Vision)
      – 컴퓨터 비전 알고리즘은 이미지를 분석하여 객체의 다양한 부분을 조사함으로써 이미지를 이해하려고 합니다. 이를 통해 기계는 일련의 이미지로를 분류하고 학습을하여 이전의 관찰 결과에 근거하여 보다 적절한 출력 결정을 할 수 있습니다.
      
    • 인지 컴퓨팅(Cognitive Computing)
      – 인지 컴퓨팅 알고리즘은 인간이 하고 원하는 결과를 제공하려고 하는 방식으로, 텍스트, 음성, 이미지, 객체를 분석함으로써 인간의 뇌를 모방하려고 합니다.