오늘은 머신러닝과 딥러닝 그리고 인공지능의 차이에 대해서 찾아보았다.
머신러닝은 인공지능을 만들기 위해 기계를 학습시키는 다양한 방법에 대한 학문으로 ‘로봇공학’, ‘제어계측공학’과 같이 하나의 학문이랍니다.
딥러닝이란 머신러닝보다 더 작은 개념으로 ‘신경망’을 통해 인공지능을 만드는 머신러닝의 한 종류입니다.
머신러닝은 주어진 데이터를 인간이 먼저 처리합니다.
사람이 먼저 컴퓨터에 특정 패턴을 추출하는 방법을 지시하고, 그 이후 컴퓨터가 스스로 데이터의 특징을 분석하고 축적합니다. 이렇게 축적된 데이터를 바탕으로 문제를 해결하도록 하는 거죠. 예를 들어 사람이 먼저 개와 고양이의 사진을 보고 개와 고양이의 특징을 추출한 후 많은 예시를 통해 컴퓨터를 학습시키고 식별하게 만듭니다.
반면에 딥러닝은 머신러닝에서 사람이 하던 패턴 추출 작업이 생략됩니다.
컴퓨터가 스스로 데이터를 기반으로 학습할 수 있도록 정해진 신경망을 컴퓨터에게 주고, 어린아이가 학습하는 것처럼 경험 중심으로 학습을 수행합니다. 즉, 인간이 개, 고양이의 특성을 추려 사전에 정의된 알고리즘과 규칙을 적용하는 머신러닝과 달리, 딥러닝에서는 심층 신경망을 통해 스스로 개, 고양이의 특성을 훈련하여 개와 고양이를 분류할 수 있습니다.
그렇다면 딥러닝의 작동 방법은??
딥 러닝 모델은 인간이 결론을 내리는 방식과 유사한 논리 구조를 사용하여 데이터를 지속적으로 분석하도록 설계되었습니다. 이를 달성하기 위해 딥 러닝 애플리케이션은 인공 신경망이라는 계층화된 알고리즘 구조를 사용합니다. 인공 신경망의 설계는 인간 두뇌의 생물학적 신경망에서 영감을 얻어, 표준 머신 러닝 모델보다 훨씬 더 뛰어난 학습 프로세스를 제공합니다.
현재의 “빅 데이터 시대”에서 방대한 양의 데이터가 생성됨에 따라, 우리는 아직 상상할 수도 없는 혁신을 어쩌면 앞으로 10년 안에 보게 될 것입니다. 전문가들에 따르면, 이러한 혁신 중 일부는 딥 러닝 애플리케이션일 가능성이 높습니다.
마지막으로 한번더 인공지능과 머신러닝과 딥러닝의 포함관계를 그림으로 나타낸다면 아래와 같은 그림으로 표현되게 된다.
딥러닝 ⊂ 머신러닝 ⊂ 인공지능 포함관계로 한 번에 설명될 수 있습니다.
즉, 인공지능이 가장 넓은 개념이고 그 다음으로 머신러닝 딥러닝 순입니다.
다음 글로는 딥러닝의 총집합체인 Google의 AlphaGo에 대해서 포스팅 해보도록 하겠습니다.
