[ AI / 머신러닝 / 딥러닝 ] 의 관계
인공지능 (Artificial Intelligence)
AI의 첫번째 게시글에서, "AI란, 사람이 일상적으로 할 수 있는 기능을 컴퓨터/소프트웨어로 흉내내는 것이다." 라고 했었다.
쉽게 풀어 설명한다면, 인공지능은 사람의 기능을 대신하는 기계라고 볼 수 있다. (ex. 로봇 청소기, 챗봇, 자율주행 등)
머신러닝 (Machine Learning)
(ex. 날씨 예측 모델, 알파고 등)
- 훈련된 지식을 기반으로 주어진 상황에 유용한 답을 찾고자 하는 일련의 컴퓨터 알고리즘 혹은 기술의 총칭.
모델이 데이터를 바탕으로 패턴을 찾아내는 것을 '학습'이라 하며,
학습이 끝난 후 모델 내부에 남아 있는 규칙, 수치, 관계 정보가 바로 훈련된 지식이다.- 경험적 데이터를 통해 컴퓨터 스스로 새로운 지식과 능력을 개발하는 기술.
경험적 데이터란, 모델이 실제로 학습에 사용한 ‘데이터셋’을 의미한다.
이는 사람이 직접 규칙을 일일이 알려주지 않아도, 기계가 데이터를 보고 패턴을 찾아내고
새로운 상황을 예측하거나 판단하게 만든다.- 주어진 데이터로부터 일반화된 지식을 추출해 내는 것이 주요 목표.
- 머신러닝 알고리즘을 통해 방대한 데이터를 학습하여 지능을 습득하고, 새로운 데이터 및 문제에 대해 스스로 판단하여 예측
딥러닝 (Deep Learning)
딥러닝은 사람 뇌의 뉴런 구조를 본뜬 인공신경망을 기반으로,
이미지, 소리, 자연어, 영상 같은 비정형 데이터에서 특징을 자동으로 추출하고 판단까지 한 번에 수행하는 AI 기술이다.
(정형 데이터의 예시로는 엑셀 표처럼 정리된 수치 데이터를 들 수 있다.)
" AI는 인공신경망을 여러 층으로 쌓아 복잡한 문제를 스스로 학습하고 예측한다. " 라는 문장에서 층을 쌓는다는 것은 무엇일까?
그리고 특징 추출 및 판단까지 기계가 한 번에 수행한다는 것은 무슨 이야기 일까?
층(Layer)이란?
- 딥러닝에서 층(Layer)은 데이터를 단계적으로 처리하는 인공 신경망의 기본적인 단위이다. (그리고 각 층은 뉴런이라는 단위로 구성된다)
- 하나의 층은 입력을 받아 특징을 추출하거나 변형하여 다음 층으로 넘겨준다.
- 딥러닝에서는 이런 층을 여러 개 쌓아 복잡한 문제를 처리한다.
층의 종류 (기본 구조)
- 입력층 (Input Layer)
- 데이터를 처음 받아들이는 층
- 은닉층 (Hidden Layers) ← 💡 딥러닝의 핵심!
- 데이터를 여러 단계로 처리하며 특징을 추출
- 층이 많을수록 더 정교한 특징을 학습
- 출력층 (Output Layer)
- 최종 결과를 내는 층
ex. 예: “고양이입니다”, “긍정입니다”, “5입니다”딥러닝에서 "특징 추출 및 판단을 한 번에 수행한다"는 뜻은? (ex. 고양이와 개 사진을 구분하려고 할 때)
- 기존 방식 (머신러닝 이전 or 초기 머신러닝)
- 특징 추출 – 사람이 직접 설계
- 예: 귀 모양, 눈 간격, 털 색 등을 수학적으로 정의
- 판단 (분류) – 머신러닝 모델이 수행
- 추출한 숫자(특징 벡터)를 분류기로 넣음
- 딥러닝 방식
- 데이터 입력
- 원본 이미지 데이터를 그대로 입력함 (전처리 최소화)
- 특징 추출 (은닉층에서 자동 수행)
- 딥러닝 모델이 저절로 이미지의 패턴을 인식
- 선, 모서리 → 눈, 코 형태 → 전체 윤곽 등 단계적으로 감지
- 판단 (출력층에서 수행)
- 앞서 추출한 특징들을 바탕으로 고양이인지 개인지를 스스로 분류함
한 줄 요약
예전엔 사람이 특징 추출 → AI가 판단했지만, 딥러닝은 둘을 하나의 모델 안에서 자동으로 처리한다. 즉, 입력만 주면 처음부터 끝까지 알아서 해결하는 AI이다.
신우주