인공지능? 머신러닝? 딥러닝?
요즘 참 자주 들리는 단어인데, 어떤 점이 다른건지 잘 구분이 안 되시죠?
비슷하지만 다른, 이 용어들에 대해 쉽게 설명드리도록 하겠습니다.
| 인공지능 (Artificial Intelligence)
먼저, 인공지능은 머신러닝과 딥러닝을 모두 포괄하는 가장 큰 개념이라고 할 수 있어요.
인공지능은 사고와 학습, 추론 등의 역할을 담당하는 인간의 뇌를 모방해 컴퓨터 등으로 구현한 것을 말하는데요. 사람이 해야할 일을 기계가 대신하는 모든 자동화를 포괄할 수 있습니다.
| 머신러닝 (Machine Learning)
머신러닝은 인공지능의 추상적인 개념을 보다 실제적으로 구체화시킨 것인데요. Carnegie Mellon University(CMU)의 Tom M. Mitchell 교수는 자신의 저서 「Machine Learning」에서 머신러닝을 다음과 같이 설명했습니다.
" Machine learning is the study of computer algorithms that allow computer programs to automatically improve through experience. (‘기계학습’은 컴퓨터 프로그램이 경험을 통해 자동으로 향상되도록 하는 컴퓨터 알고리즘)"
Mitchell, T. M. (1997).
예를 들어, ‘넷플릭스 영상 추천 알고리즘’이 머신러닝의 대표적인 사례입니다.
넷플릭스는 사용자들에게 영상을 추천하기 위해, 먼저 사람이 직접 각 영상들마다 콘텐츠를 설명할 수 있는 키워드인 짧은 태그(tag)들을 달아줍니다. 이것이 알고리즘의 기반 데이터가 됩니다. 이후, ‘좋아요’, ‘시청 시간대(요일, 날짜, 시간)’, ‘사용기기‘, ’영상 시청 중 멈춘 지점‘, ’되감은 지점‘, ’끝까지 시청하는지 여부‘ 등을 데이터로 기록합니다. 그리고 이 데이터들을 기반으로 이용자를 분류하고, 비슷한 시청 패턴을 가진 사람들을 같은 집단으로 구분합니다. 그 후, 사용자 기반 추천 방식으로 이용자가 좋아할만한 콘텐츠를 추천해보고, 콘텐츠 선택 및 추천이 이루어진다면 이를 학습해 같은 집단으로 분류된 사용자에게도 동일한 콘텐츠를 추천하게 됩니다. 이렇게 머신러닝은 사전에 알고리즘을 바탕으로 한 학습 데이터를 제공해주고 인공지능이 지속적으로 학습하게 합니다. 그리고 데이터가 많아질수록 정확도와 신뢰도가 높아집니다.
| 딥러닝(Deep Learning)
한편, 딥러닝은 머신러닝의 한 분야라고 할 수 있습니다. 다만, 머신러닝이 예제 문제와 같은 학습 데이터 제공이 필요하다면, 딥러닝은 비정형 대용량 데이터를 스스로 학습하여 특성을 추출하고 판단할 수 있습니다. 딥러닝은 인간이 수행하기 어려운 영역까지 도전합니다. 예를 들어, 육안으로 식별하기 어려운 병변(lesion)까지도 찾아낼 수 있습니다. 이미 인간은 현대과학의 도움을 받아 MRI 등을 질병 진단에 활용하고는 있지만, 그럼에도 불구하고 놓치는 부분이 있을 수 있습니다. 이 때, 방대한 양의 병변 사진을 학습시켜 인공지능을 통해 인간의 눈으로 발견하지 못한 질병을 찾아낼 수 있습니다.
영화에서나 일어날 법 했던 일들이 지금 현재 우리 가까이에서 일어나고 있습니다.
인공지능은 데이터를 학습하며 자라나고, 현재의 데이터가 미래의 인공지능을 만듭니다. 모든 것의 시작은 데이터입니다.
Comments