[개요] 인공지능

RCC.AI·2021년 5월 10일

머신러닝

목록 보기

1/12

인공지능(AI, Artificial Intelligence)은 어떠한 기술로 구성되어 있나?
“인공지능은 지각, 학습, 추론의 기술을 바탕으로 다양한 Application을 만들어 낼 수 있다.”

• 머신러닝은 여러 규칙을 단순 조합하는 ‘고전적인 인공지
능 시스템’과는 구분

• 사용자가 어떻게 동작할지 완전히 정의하는 컴퓨터 알고리
즘과도 차이

• 머신러닝은 알고리즘이 아닌 데이터 학습을 통해 실행 동
작이 변화

• 데이터를 기반으로 한다는 점에서 통계학과 가깝다

• 머신러닝은 통계학을 비롯해 딥러닝을 이용하여 데이터의 패턴을 유추하는 방법이 주축임

• 사용자가 일일이 정해 놓은 패턴으로 데이터를 분석하는 것이 아니라 데이터를 보고 패턴을 추리는 것이 머신러닝의 핵심

• 딥러닝의 발전으로 통계학적 머신러닝의 빛이 다소 바래긴 했지만, 통계학이야 말로 데이터에서 패턴을 찾아내는 학문이므로 여전히 머신러닝의 가장 기본적이며 핵심적인 개념임

• 딥러닝은 통계학에서 사용하는 전통적인 방법과는 다른 방법을 사용하지만 ‘패턴을 찾아내려고 학습한다’는 점에서 그 목표는 유사함

• 머신러닝은 데이터를 처리하고 패턴을 학습하고 계산하는 데 컴퓨터를 사용하기 때문에 계산 그 자체도 머신러닝에서는 매우 중요함

• 계산 속도를 높이고, 또 더 많은 데이터를 효율적으로 다루고자 분산 처리 등 시스템 구성에 관한 많은 연구가 진행중

• 이런 점에서 응용수학이나 통계학과 달리 머신러닝은 단순히 수학적인 모델의 구축 이나 증명에만 그치는 것이 아니라 실제 데이터에대해 계산해서 결과를 만들어낸다는 점에서 컴퓨터공학의 한 분야이기도 함

• 신경망을 층층이 쌓아서 문제를 해결하는 기법의 총칭

• 딥러닝은 머신러닝이 풀고자 하는 목표에 따라 분류한 개념이 아니며, 사용하는 기법이 특정 형태를 가지는 것을 의미

• 지도학습이나 비지도학습은 딥러닝을 이용해서 풀 수도 있고 통계학적인 방법을 이용해서 풀 수도 있음

• 데이터양에 의존하는 기법으로, 다른 머신러닝 기법보다 문제에 대한 가정이 적은 대신 다양한 패턴과 경우에 유연하게 대응하는 구조를 만들어 많은 데이터를 이용하여 학습시키는 것으로 모델의 성능을 향상하고 있음. 즉, 큰 데이터에서 잘 동작하는 방법

따라가기도 벅찬 AI Engineer 겸 부앙단