인공지능, 머신 러닝, 딥 러닝 차이점은?
인공 지능(AI), 머신 러닝(ML), 딥 러닝(DL)의 공통점
인공지능, 머신러닝, 딥러닝의 각각의 차이점을 먼저 알기 전에 셋의 공통점을 알아야 할 것 같다.
인공지능, 머신러닝, 딥러닝은 모두 컴퓨터가 사람처럼 학습하고 문제를 해결할 수 있도록 만드는 기술이다.
이들은 서로 계층적인 관계를 가지며, 딥러닝은 머신러닝의 하위 개념이고, 머신러닝은 인공지능의 하위 개념에 속한다. 모두 데이터와 연산 능력을 활용해 패턴을 학습하고 예측하는 데 초점이 맞춰져 있다.
인공 지능(Artificial Intelligence)이란?
인공지능(AI, Artificial Intelligence)은 컴퓨터가 의사 결정, 텍스트 처리, 시각적 인식과 같은 인간의 지능을 모방할 수 있도록 하는 과학이다. AI는 머신 러닝, 로봇 공학, 컴퓨터 비전과 같은 여러 하위 분야를 포함하는 더 광범위한 분야이다. 예를 들어, 자율주행차는 주변 환경을 인식하고 스스로 경로를 선택해 움직이는 AI의 대표적인 사례입니다.
머신 러닝(ML)이란?
머신러닝(ML, Machine Learning)은 기계가 경험을 통해 주어진 작업을 개선할 수 있도록 하는 인공 지능의 하위 분야이다. 모든 머신 러닝 기술은 인공 지능 기술로 분류된다는 점에 유의하는 것이 중요하다. 그러나 모든 인공 지능이 머신 러닝으로 간주될 수 있는 것은 아니다. 일부 기본 규칙 기반 엔진은 AI로 분류될 수 있지만 경험에서 학습하지 않으므로 머신 러닝 범주에 속하지 않는다.
머신 러닝의 분류
- 지도 학습(Supervised Learning)
레이블이 지정된 입력/출력 데이터를 사용하여 알고리즘을 훈련한다. 쉽게 말해 문제를 알려주고 그 문제의 답도 알려주는 방식이다.
성능은 훈련된 모델 예측과 실제 출력을 비교하여 평가된다.
지도학습에는 강아지나 고양이를 분류(Classification)하는 문제가 있고, 어떤 문제에 대한 수치를 예측하는 회귀(Regression)문제가 있다.
지도학습 - 비지도 학습(Unsupervised Learning)
레이블이 지정되지 않은 데이터로 알고리즘을 훈련한다. 문제를 알려주고 정답은 스스로 숨겨진 패턴을 발견하려고 시도하는 방식이다..
비지도 학습은 사람이 해석하기 어려울 수 있는 복잡한 데이터를 분석할 수 있다.
보통 어떤 그룹에 속하는지를 찾아내는 군집화(Clustering)가 있고, 고차원 데이터를 보다 적은 차원으로 변환하여 데이터의 주요 특징을 유지하면서 간단하게 만드는 차원축소(Dimension Reduction)가 있다.
비지도 학습 - 세미-지도 학습(Semi-Supervised Learning)
일부 데이터만 레이블이 제공되는 상황에서 레이블이 없는 데이터를 활용하여 학습하는 방법이다.
어떤 문제는 답을 알려주고 어떤 문제는 답을 알려주지 않는 것이라고 생각하면 된다.
이는 앞선 학습 대비 비중있게 사용하지 않는다. - 강화 학습(Reinforcement Learning)
에이전트가 환경과 상호작용하며, 보상을 최대화하도록 행동을 학습하는 방법이다.
강화 알고리즘은 보상과 처벌을 통해 시행착오를 통해 학습한다.
환경은 에이전트에게 올바른 행동에 대한 보상을 제공하게 되고, 보상 또는 처벌에 따라 에이전트는 환경 지식을 개선하여 더 나은 결정을 내리게 된다.
예시를 들자면 아기(Agent)를 방이라는 환경(Environment)에 넣어둔다. 아기는 기어다니면서 촛불을 건드리게 되면 아픔을 느낄 것이고 다시는 촛불을 건드릴 생각을 하지 않을 것이다. 그리고 젖병을 건드리게 된다면 맛있는 우유를 먹을 수 있을 것이고 아픔을 느낄 촛불말고 행복을 느낄 수 있는 젖병을 계속 선택할 수 있을 것이다.
딥 러닝(DL)이란?
딥 러닝(DL, Deap Learning)은 이미지와 같은 대규모 데이터 세트를 사용하여 딥 인공 신경망(ANN)을 훈련하는 데 의존하는 머신 러닝의 전문 분야이다.
ANN은 인간의 뇌에서 영감을 받은 정보 처리 모델이다. 인간의 뇌는 수십억 개의 뉴런으로 구성되어 있으며, 이 뉴런은 전기 및 화학 신호를 사용하여 서로 통신하고 인간이 보고, 느끼고, 결정을 내릴 수 있도록 한다.
딥 러닝은 이 인공신경망(Artificial Neural Networks)을 활용하여 데이터에서 자동으로 특징(feature)을 추출하고 학습한다.
머신 러닝과 딥 러닝의 차이점은?
머신 러닝과 딥 러닝의 차이점은 자동으로 특징(Feature)을 추출하는 능력에 있다.
- 머신 러닝 프로세스
(1) 학습할 모델을 선택한다.
(2) 수동으로 특징 추출을 수행한다. - 딥 러닝 프로세스
(1) 네트워크의 아키텍처를 선택한다.
(2) 특징은 대상 클래스(레이블)와 함께 학습 데이터(예: 이미지)를 입력하여 자동으로 추출된다.
한마디로 말하자면 머신 러닝은 데이터를 처리하기 위해 사람이 직접 특징(feature)을 정의해야 하고, 인공신경망을 사용하여 컴퓨터가 데이터를 통해 자동으로 특징을 추출한다는 것이다.