[기사] 머신러닝(기계학습),딥러닝(심화학습)그리고 인공지능(AI) 개념잡기

 

머신러닝(기계학습),딥러닝(심화학습)그리고 인공지능(AI) 개념잡기(출처: https://mirarmi.tistory.com/6)

mirami 2018. 8. 9. 13:55

 

머신러닝(Machine learning)과 딥러닝(Deep learning)

그리고 인공지능(Artificial Intelligent)은 각각 어떤 것들이고 어떤 차이가 있는지 알아보자.

 

요즘 4차 산업혁명이라는 것 때문에 관련 이슈들이 연일 TV로 쏟아져 나오고 있어.

그래서 가끔 뉴스를 보다보면 인공지능이다 뭐다 비슷한 개념의 말들이 너무 많은데 

사실 그 차이는 정확이 모르고 이해하는 것 같아서 오늘은 각각의 단어가 무슨 의미이고 어떤 차이가 있는지 알아보려해  ( ･ิᴥ･ิ) 

 

 

 

 

인공지능과 머신러닝, 딥러닝을 가장 쉽게 이해 할 수 있는 그림이라고 생각하면 될 것 같아.

여기서 인공지능의 개념이 기계학습과 딥러닝을 포함하고 있고,

딥러닝은 사실상 머신러닝의 한 갈래라고 생각면 돼.

 

인공지능 AI

Artificial Intelligent

 

인공지능이라는 개념은 언제 어떻게 만들어 졌을까?  ʕʘ̅͜ʘ̅̅ʔ 

인공지능이라는 말은 무려 내가 태어나기도 훨씬 전인 

1956년 미국 다트머스 대학의 존 매카시 교수가 개최한 다트머스 회의에서 처음 등장했다고 해.

그리고 최근에는 그 기술도 그렇고 인기도 폭발 성장 중이고..

특히 2015년 이후에 GPU(Graphics Processing Unit)라고 하는 병렬처리 성능을 제공하는 기술 도입으로

복잡한 3D 그래픽과 동시에 많은 계산을 매우 빠르게 처리하는 것이 가능해 지면서 인공지능은 더욱 가속 성장 중이야.

일반 텍스트나 이미지 뿐만 아니라 정말 다양하고 많은 영역의 데이터가 도래한 빅데이터 시대에는 그 영향력이 어마어마 하지.

 

인공지능이란 대체 무엇일까?

 

인공지능은 이름에서 대충 감을 잡을 수 있겠지만 인간의 지능을 기계, 컴퓨터로 구현하는 것을 의미해.  (๑˃؂˂๑) 

처음 인공지능이라는 개념이 나왔던 1956년 당시의 과학자들은 인간의 지능과 비슷한 수준의 컴퓨터, 로봇을 만드는 꿈이 있었어.

단순 계산만 하는 것이 아니라 인간의 감각과 사고력을 지닌 통찰력 있는 인공지능을 말이지.

하지만 현재에도 아직까지는 완벽한 인간수준의 지능을 가진 컴퓨터나 로봇은 나오지 않았고,

이미지 분류 서비스나 얼굴 인식과 같은 특정 분야에서만 인간 능력 이상으로 해낼 수 있는 기술들이 있어.

 

기계학습 

Machine learning

 

머신러닝이라고 불리는 기계학습은 인공지능을 구현할 수 있는 구체적인 접근 방식이자 기술이라고 생각하면 쉬워.

머신러닝은 머신러닝 전용 알고리즘이 있어서 이를 이용해 데이터를 분석하고,

분석과 분석된 데이터를 통해 학습을 하고 또 이 학습내용을 기반으로 판단과 예측을 하게 돼.

따라서 머신러닝을 위해서는 대량의 데이터와 알고리즘이 필요한거야. 

여기서 핵심은 정말 말그대로 기계를 학습시켜서 작업 수행방법을 익히도록 하는건데 

이건 인간이 의사 결정기준이나 지침을 컴퓨터에 입력 시켜서 거기에 맞게 결정을 내리게 하는게 아니라

기계가 학습한 내용을 토대로 오차나 오류를 줄여서 결과를 낸다는 점이지. ( •ܫ• )

 

머신러닝의 성과와 한계

 

머신러닝의 알고리즘은 의사결정 나무, 귀납 논리 프로그래밍, 클러스터링, 강화학습, Bayesian 네트워크 등이 포함돼.

특히 컴퓨터 비전과 같은 분야에서는 큰 성과가 있어. 이미지 인식률도 충분히 상용화 시킬수 있는 성능을 구현하고 있고!

하지만 여기 모든 알고리즘 중에서 어느 하나도 인공지능을 완성하지 못했고 아직도 만들기 어려운 상황이야.  (｡•́︿•̀｡) 

게다가 인공지능 구현 작업 전반에 코딩작업은 반드시 필요하고, 

가끔씩 특정상황에서 머신러닝을 활용한 이미지 인식에 오류가 생기기도 해서 아직까지는 인간의 수준에 미치지 못하고 있지.

 

딥러닝

Deep learning

 

딥러닝은 말 그대로 더 깊게 학습하는 거야. 심화학습 이라고 생각할 수 있지.  •̀.̫•́✧ 

초기의 머신러닝 연구자들이 만들어 낸 알고리즘 중에서 인공신경망에 영향을 주고 이를 바탕으로 발전한 형태의 인공지능이야.

완전한 머신러닝을 실현하기 위한 기술로서 딥러닝을 활용하고 있어.

 

딥러닝은 뇌의 뉴런 다발과 같은 유사한 정보 입출력 계층을 활용해서 데이터를 학습해.

그렇지만 기본적인 신경망 조차도 엄청난 양의 연산작업이 필요했는데 옛날에 내가 태어나기도 전에는 요즘과 같이 성능좋은

슈퍼컴퓨터가 있는 것도 아니고 해서 제대로 빛을 보지 못하다가

앞에서 설명한 것처럼 병렬 연산에 최적화 된 GPU가 등장하면서 신경망의 연산속도를 엄청나게 가속화 시켰어.

그리고 나서야 진정한 딥러닝 기반의 인공지능이 등장하게 된거지.  ٩(･ิᴗ･ิ๑)۶ 

 

딥러닝과 딥러닝으로 만들어진 알파고

 

딥러닝을 활용한 기계 학습은 그 과정에서 수많은 오류와 오답이 나오게 돼.

알파고만 봐도 이세돌 9단과의 대결에서 이기기까지 7개월 간 기보 데이터들을 학습했고, 

이세돌을 비롯해 수천명의 고수들과의 대국을 거치면서 실력을 키웠어.

참고로 이런 방식의 학습을 머신러닝 학습 중 하나인 지도학습(Supervised learning)이라고 불러. 

 

이번에 구글 딥마인드 팀에서 알파고를 압도하는 '알파고 제로'를 공개했는데 

지금까지는 인공지능이 인간들이 지닌 지식에 대한 도움이나 외부의 데이터의 도움을 받았다면

이 '알파고 제로'는 대국를 치르지도 않고 순수하게 독학만으로 인간이 수천년동안 쌓아온 바둑 이론을 깨달았다고 해.  •'-'•)و✧ 

 

인공지능의 미래는 딥러닝으로 부터 Start

 

딥러닝이 생기면서 머신러닝의 실용성은 더욱 강화됐어. 

단지 알고리즘 학습에서 끝나는 것이 아니라 실제로 머신러닝 기술을 실현하고 있으니 말야.

덕분에 인공지능의 영역도 확장되었어.  ٩(ˊᗜˋ*)و 

 

딥러닝은 컴퓨터 시스템을 통해 다양한 방식으로 작업을 세분화해 그 기반 기술들은 이미 우리 생활에서 쓰이는 것들도 많아.

또 앞으로 실용화 될 기술들도 많지. 

이제는 딥러닝이 단지 공상과학 영화에만 등장했던 인공지능 로봇의 소재로 쓰이는 것 뿐만 아니라

현실에서 실현할 수 있는 잠재력을 지닌 인공지능의 현 주소이자 더 밝은 미래를 꿈꿀 수 있게 해주고 있어  ٩(๑•̀o•́๑)و