인공지능 & 머신러닝 & 딥러닝 / 의미와 배경 / 적용 / 차이점 비교

안녕하세요 !

SPM Instrument Korea 입니다 😁

 

지난번에 인공지능에 관한 주제에 대하여 소개드렸었는데요,

이번에는 인공지능하면 함께 이야기할 수 있는 머신러닝과 딥러닝에 대해 이야기하려고 합니다 :)

 

인공지능 & 머신러닝 & 딥러닝

인공지능, 머신러닝 그리고 딥러닝의 상관관계를 표시하려고 하면 '인공지능>머신러닝>딥러닝' 으로 표현할 수 있습니다.

 

위의 포함관계를 보면 알 수 있듯이, 모든 딥러닝은 머신러닝이지만 모든 머신러닝이 딥러닝은 아닙니다 !

 

머신러닝 의미와 배경

머신러닝은 Machine Learining 즉 기계학습이라고 부르기도 합니다.

 

머신러닝이란 '인공지능의 한 분야로 데이터, 경험을 기반으로 학습하여 성능향상을 기대할 수 있는 시스템을 구축하는데 초점이 맞춰진 기술'을 의미합니다.

 

1959년 아서사무엘은 기계학습을 '컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야' 라고 정의하였습니다.

 

즉 머신러닝은 인공지능의 애플리케이션 중 하나입니다.

데이터를 분석하고 학습한 후에, 학습한 내용을 근거로 결정을 내리는 알고리즘을 의미합니다.

 

머신러닝은 더딘 성장을 보이다가 인공신경망 분야에서 두드러진 발전을 보인 딥러닝 기술의 탄생으로 2000년대 중반에 들어서야 발전이 이루어졌습니다.

 

사물인터넷(Internet of Things, IoT)이 활성화되면 자연적으로 엄청난 데이터가 발생하게 됩니다.

이러한 빅데이터를 이용하면 학습할 데이터들을 사전에 처리하여 최적화시켜 학습 효과를 극대화시키고 실용화가 가능한 기계학습의 결과를 이루어낼 수 있습니다.

 

 

딥러닝의 의미와 배경

딥러닝은 Deep Learning, 심층 학습이라고도 부릅니다.

 

딥러닝이란 머신러닝의 방법 중 하나로, '인간의 두뇌 작동 방식을 흉내 낸 것이 특징이며, 학습 과정 동안 인공 신경망으로서 예시 데이터에서 얻은 일반적인 규칙을 독립적으로 훈련하는 것' 이라고 정의되어 있습니다. 

 

사람의 개입이 필요했던 기존의 학습에 비해 능동적인 비지도 학습이 결합되어 컴퓨터가 마치 사람처럼 스스로 학습할 수 있는 인공지능 기술을 말합니다.

 

딥(Deep)은 시간이 지날수록 축적되는 신경망의 여러 층을 의미합니다.

즉, 신경망이 깊어질수록 성능이 향상될 수 있습니다 !

 

인공신경망이 탄생한 후 본격적으로 딥러닝이라는 용어를 사용한 것은 2000년대입니다.

 

느린 학습 속도는 여전하였지만 과적합 문제가 있었던 인공신경망 모델의 단점 극복 !

하드웨어 발전으로 강력한 GPU를 통한 복잡한 행렬 연산 소요 시간 단축 !

대량의 빅데이터 !

 

이러한 배경들로 하여금 딥러닝 기술이 주목받기 시작하였습니다 :)

 

 

머신러닝과 딥러닝의 적용

앞에서 말씀드린 것처럼, 딥러닝을 활용한 분야는 이미 우리 일상생활 곳곳에 스며들어 다양한 산업에 사용되고 있습니다 😊

 

머신러닝의 적용 사례는 아래와 같습니다 !

• 군집 작업 : 구매 이력에 따른 고객 분류 후, 분류된 고객에 맞춘 마케팅 전략을 계획하는 기술
• 데이터 시각화 : 복잡한 데이터를 효율적으로 시각화하는 기술
• 텍스트 분석 기술 : 긍정 혹은 부정 글 인식 및 요점 정리 등의 기술
• 이미지 분석 기술 : 제품 생산 이미지를 분석하여 자동 분류하는 기술

딥러닝의 적용 사례를 살펴보도록 하겠습니다 !

 

• 컴퓨터 비전 기술 : 자동화된 콘텐츠 조정, 얼굴 인식, 이미지 분류 수행 기술
• 음성 인식 기술  : 음조, 어조, 언어, 억양 인식 기술
• 자연어 처리 기술 : 텍스트 데이터와 문서의 인사이트 분석 및 수집 기술
• 산업 자동화 기술 : 공장 및 창고 내의 자동 감지, 품질 제어 또는 예측 유지보수 지원 기술
• 자율주행 차량 : 자동차 스스로 정지 신호, 신호등, 보행자 등 대상을 감지하는 기술

이렇게 머신러닝과 딥러닝은 현재 우리 사회에 정말 많은 영향력을 행사하고 있습니다 !

대량의 데이터가 홍수처럼 쏟아지는 시대에 이러한 기술은 우리가 살아가는데 굉장히 유용하고 중요한 도구입니다 🧐

 

머신러닝과 딥러닝 비교하기

머신러닝은 새로운 데이터가 유입되면 특정한 기능을 수행하는 데 있어서 더 능숙해지긴 하지만, 인간의 개입이 필수적으로 요구됩니다.

그에 반하여 딥러닝은 자체 신경망을 통해 예측의 정확성 여부를 스스로 판단하기 때문에 인간의 개입이 필요하지 않습니다.

 

다시 말해서 머신러닝은 알고리즘을 사용하에 데이터를 구분 및 분석하는 사전 처리에 '사람의 개입'이 필요하지만, 딥러닝은 알고리즘을 계층으로 구성하여 자체적으로 배우고 지능적 결정을 내리는 인공신경망울 만들기 때문에 '사람의 개입'이 필요하지 않습니다.

 

---

 

이렇게 지난번에 이어서 인공지능의 그 하위영역인 머신러닝과 딥러닝에 대해서 간단하게 소개해 드렸습니다.

 

인공지능이 미디어에서 경쟁력을 가지고 발전하고 있는 이러한 추세에서, 우리가 이러한 인공지능에 대해 더욱 잘 이해하게 되면, 앞으로 더 발전할 인공지능에 대하여 우리 또한 무궁한 발전을 이루어낼 수 있을 것입니다.

 

다음번에는 머신러닝과 딥러닝에 대해 더욱 자세하게 살펴보는 시간을 가져보도록 하겠습니다 !

 

감사합니다 ❤

 

 

 

 

 

 

 

참고자료 :

머신러닝 (naver.com)

딥러닝 (naver.com)

인공지능·머신러닝·딥러닝 차이점은?ㅣ개념부터 차이점까지 총 정리 (codestates.com)