1. 머신러닝과 딥러닝

가. 인공지능
현대의 인공지능은 동적인 컴퓨터 환경에 내장된 알고리즘을 생성하고 적용하여 인간의 지능을 모방하는 기초 지능을 말한다. 인간처럼 사고하고 행동하는 컴퓨터를 말하며 데이터 분석, 패턴 인식, 예측 학습 등 다양한 분야에 사용된다.

1) 인공지능의 특징 
- 자동화 : 작업 과정을 자동화하고 독립적 작업이 가능해 졌다. 기존의 반복적인 작업을 사람이 더 이상 안해도 되게 되었다. 
- 정확함과 신속 : 인간보다 더 빠르게 더 정확하게 정보를 처리한다. 또한 인간보다 빠르게 데이터 간의 규칙을 발견할 수 있다. 
- 연구와 개발 가속화 : 많은 데이터 분석이 가능해져서 새로운 분야의 연구 및 개발이 가속화 되었다. 

나. 머신러닝
머신러닝은 컴퓨터가 데이터 속에서 다양한 것들을 학습하고 예측할 수 있도록하는 인공지능의 한 형태이다. 머신러닝의 알고리즘은 일반적으로 데이터를 통해 훈력하며 훈련이 반복되며 정확도가 올라간다. 머신러닝은 데이터와 정답을 같이 입력하여 스스로 데이터와 정답 사이의 규칙을 찾아 정답을 도출한다는 점에서 기존의 인공지능과 다르다 할 수 있다.

1) 머신러닝의 유형
- 지도학습 : 입력값과 결과값을 함께 입력하고 학습하는 방법으로 과거의 데이터를 기반으로 미래의 이벤트를 예측할 때 유용하게 사용된다. 
- 비지도 학습 : 결과값 없이 학습시키는 방법으로 데이터를 탐색하여 내부 구조와 유사한 속성들을 파악하여 분류하기 때문에 분류 기준들의 속성을 파악하는 데 유용하다. 
- 강화학습 : 결과값이 아닌 다른 일을 하였을 때 보상을 주는 방식으로 어떠한 행위가 최적인지 학습시키는 방법이다. 게임, 네비게이션 등에서 활용되며 일정 시간 내에 예상되는 보상을 극대화시킬 수 있는 동작을 선택할 수 있도록 학습시킨다. 
 

다. 딥러닝
딥러닝은 머신러닝에 속하는 한 분야로, 인공 신경망의 층을 연속적으로 깊게 쌓아올려 데이터를 학습하는 방식을 말한다. 딥러닝은 머신러닝의 유형으로 나뉘었던 지도학습, 비지도학습, 강화학습에 이용가능하다. 머신러닝이 학습에 필요한 데이터들을 수동으로 제공해야 하는 것과는 다르게, 딥러닝은 분류에 사용할 데이터를 스스로 학습할 수 있다는 장점이 있어, 딥 페이크, 자율주행 자동차 등 다양한 곳에서 활용될 수 있다.

1) 인공 신경망
 뉴런이 신경계 속에서 복잡한 구조로 얽혀 거대한 망을 구성하는 것처럼, 이러한 구조에서 신경망의 구조에서 착안하여 여러 개의 뉴런이 얽혀서 연결되는 인공 신경망이라는 개념이 만들어졌다. 

2)딥러닝 모델의 종류
- ANN : 기존의 생물학적 신경망에서 영감을 얻어 만들어진 알고리즘이며 입력, 출력 사이 연결된 뉴런 계층으로 구성된 기본적인 인공 신경망이다. 
- RNN :  이전 상태를 입력 받고 출력으로 데이터를 내보내며 순환하는 신경망이다. 시계열 데이터 같이 입력 순서나 시간이 반영되는 데이터들에 적합하며 과거 정보를 현재 시에서 활용 가능하다. 

• CNN : 입력 데이터네 커널을 적용하여 이미지의 특징을 추출한다. 커널은 일종의 필터로 입력 이미지 픽셀 사이를 계산하여 이미지 특징을 추출한다. 추출한 이미지의 특징은 다중 신경망을 다시 거쳐 요약되어 출력되며 이미지 처리에 주로 사용된다.

  라. 딥러닝과 머신러닝 차이점
  머신러닝과 딥러닝은 모두 데이터를 기반으로 학습하고 예측하는 AI 기술이라는 공통점이 있다. 하지만 두 기술은 학습 방식에서 차이가 있다. 머신러닝은 알고리즘을 사용하여 수동으로 각 데이터의 특징을 알아내고, 다양한 학습 방식으로 이를 진행해요. 입력 데이터와 출력 데이터 사이의 관계를 학습하여 모델을 만들어 미래의 결과를 목적을 예측하는 것이 중요하다. 반면, 딥러닝은 인공 신경망 기반의 모델을 사용해서 데이터의 특징을 자동으로 알아낸다. 학습 방법 중 지도학습을 가장 많이 사용하고 있으며 딥러닝은 머신러닝보다 더 복잡한 이미지, 음성, 언어 등 다양한 데이터까지 처리할 수 있기에 학습 방식도 다르며 처리 가능한 데이터 범위도 다르다.

2. 생성형 AI

생성형 AI는 데이터로부터 새로운 콘텐츠를 생성하는 인공지능 기술이다. 이 기술은 주로 딥러닝 모델을 활용하여 이미지를 생성하거나, 텍스트, 음악, 비디오 등 다양한 형식의 콘텐츠를 만들어낸다. 대량의 데이터를 학습하여 구조를ㄹ 파악하고 이를 통해 새로운 데이터를 만든다. 이미지 생성이나, 텍스트 생성, 오디오 생성 등 여러 분야에서 활용가능하다.

3. 컴퓨터 비전

컴퓨터가 이미지나 동영상을 통해 주변 환경을 익식할 수 있도록 만드는 기술이다. 컴퓨터 비전 기술의 원리는 컴퓨터에 이미지가 들어오면 이미지 속 수많은 픽셀들을 분석하여 특정 패턴을 찾아내고 이러한 패턴이 의미하는 바를 학습하는 것이다. 컴퓨터 비전을 사용하면 이미지 분류나 객체 검출 및 추출, 이미지 분할, 행동 인식 등의 여러 분야에 활용가능하다.

4. 자연어 처리

자연어는 우리가 일상에서 사용하는 언어를 말한다. 자연어 처리란 컴퓨터가 자연어의 의미를 분석하여 컴퓨터가 처리가능하도록 하는 기술이다. 자연어 분석 과정은 행태소 분석, 구문 분석, 의미 분석, 화용 분석으로 크게 4단계를 거친다. 문자열을 형태소로 분리한 후 문자장의 구조를 파악한다. 파악한 구조를 통해 문장의 의미를 밝혀내고 언어 사용에 관련된 지식을 통해 문장을 해석함으로써 화자의 의도를 파악한다. 이후 얻은 자연어 분석을 통해 해당 문장에서의 필요한 작업을 수행한 뒤 자연어를 생성하여 정보를 출력한다. 자연어 처리는 인간의 언어가 사용되는 모든 영역에서 활용가능하다. 우리가 흔히 아는 챗봇같이 정보 검색이나 질의응답 시스템에도 활용가능하며 기계번역과 자동통역, 문서작성 및 요약 등 거의 모든 문서 작업에 활용가능하다. 또한 감성 분적이나 상식 추론, 스토리 생성, 데이터 기반 문장 생성등 딥러닝을 활용하면 더욱더 복잡한 자연어 처리도 가능하다.