[흥미를 더하다] 인공지능?머신러닝?딥러닝?

빠른 키워드 요약

인공지능(Artificial intelligence) : 인공지능은 사람처럼 학습하고 추론할 수 있는 지능을 가진 시스템을 만드는 기술

머신러닝(Machine Learning) : 규칙을 프로그래밍하지 않아 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구

딥러닝(Deep learning) : 인공 신경망이라고도 하며, 인공신경망을 이용한 머신러닝의 한 종류

---

웹개발 공부하다가 뭔 뜬금없이 인공지능, 머신러닝, 딥러닝이냐구요? 내맘이ㅇ

요즘 핫한 ChatGPT를 알아보다 보니 이래저래 관련된 것들을 같이 공부하게 되었다.

 

AI 했을 때, 제일 기억나는 것이 알파고일 것이다.

한창 이세돌과의 대결이 핫할 때, 조만간 스타크래프트도 딥러닝시켜서 선수와 대결 붙인다고 했는데 언제해줄랑가..

 

개요는 이쯤 하고 본론으로 들어가 보자.

포함관계를 통해 먼저 보자.

코드스테이트에서 가져옴

인공지능이라는 커다란 범주 안에 머신러닝 개념을 포함한다. 인공지능은 인간의 학습 능력과 추론 능력, 지각 능력 등을 컴퓨터 프로그램으로 실현한 기술을 말하며 그 분야 중 하나가 머신러닝이다. 딥러닝은 머신러닝의 여러 방법 중 중요한 방법론이며 인공신경망의 한 종류이다.

 

순서대로 알아보자.

  인공지능(AI, Artificial Intelligence)

: 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술

 

위 개념은 일반적으로 설명할 때 하는 말이다.

AI라는 용어는 1956년 다트머스 회의에서 처음 등장했는데, 'AI'라는 용어를 만든 존 매카시(John McCarthy)는 

'똑똑한 기계를 만드는 과학과 공학(the science and engineering of making intelligent machines)'라고 정의했다.

그러나 intelligent machines의 개념은 지금도 모호하다.

 

알파고와 같이 사람을 이길 정도의 뛰어남을 드러내는 AI도 있는 반면, 일상에서는 생활 가전에 간단한 기능을 추가했을 뿐인데 AI를 이용하고 있다고 하기에 그 개념이 모호한 상태이다.

 

이 때문에 AI에 대한 명확하지 않은 정의로, 'Artificial Inteeligence- A Modern Approach'라는 책에는 네 가지 관점에서 여러 정의가 나온다.

인간처럼 생각하는 관점(Thinking Humanly), 인간처럼 행동하는 관점(Acting Humanly), 이성적으로 생각하는 관점(Thinking Rationally), 이성적으로 행동하는 관점(Acting Rationally) 등 4가지 관점에서 다양한 정의가 존재한다.

인공지능이 명확하지 않은 만큼, 모두가 동의하는 정확한 하나의 정의는 없다.

 

인간처럼 생각하는	인간처럼 행동하는
New effort to make computers think	the art of creating machines that perform functions that require intelligence when perfomed by people
이성적으로 생각하는	이성적으로 행동하는
The study of the computations that make it possible to perceive, reason, and act	Computational Intelligence is the study of the design of inelligent agents

 

  인공지능 효과(AI effect)

인공지능은 정의만이 아닌, 세월도 개념이 변한다. 예전에 인공지능의 분야로 여겨지던 것들이 지금은 당연시되어 똑똑하게 느껴지지 않는데 이 같은 것을 AI effect라고 한다.

많은 사람들이 원리를 알게 되어, '이것은 지능이 아니다'라고 생각하는 것이다.

위키피디아에서도 AI effect를 언급하며 , 인공지능은 아직 실현되지 않은 모든 것이라 정의하고 있다.

 

인공지능은 현실의 벽이 부딪혀, 크게 두 가지로 나눌 수 있다.

I`ll be back의 대사로 유명한 터미네이터의 스카이넷과 같은 인공일반지능(artificial general intelligence) 혹은 강인공지능(Strong AI)라고 부르는 아직까지는 상상에 그치는 인공지능이 첫 번째이다.

두 번째는 현실에서 마주하는 약인공지능(Weak AI)이다. 약인공지능은 사람이 하는 일의 보조 역할만 가능한데, 이것의 제일 좋은 예시가 알파고인 것이다. 음성 비서, 자율 주행 자동차, 음악 추천 등이 있다.

 

  머신러닝

인공지능에 대한 모호한 정의와는 달리, 머신러닝은 정의가 있다.

: " 컴퓨터가 명시적으로 프로그램되지 않고도 학습할 수 있도록 하는 연구 분야 "

   (Field of study that gives computers the ability to learn without being explicitly programmed)

 

일반적인 기계는 입력 a, 조건 b가 성립하면 x를 동작시키지만,

머신러닝은 입력 a를 통해 x가 나오도록 하는 조건 b를 찾는다.

  머신러닝 종류

머신러닝에는 지도학습, 비지도학습과 강화학습 세 가지 종류가 있다.

> 지도학습(Supervised Learning)

   - 입력과 결괏값을 이용한 학습(정답지가 있는 학습 방법)

   - 분류(classification) : 하나의 값이 아닌, 여러 가지 값들 중 하나를 정답의 후보로 선택해야 하는 경우

   - 회귀(regression)     : 한 가지를 예측하는 방식

   - (학습모델) SVM, Decision Tree, kNN, 선형/로지스틱 회귀

> 비지도학습(Unsupervise Learning)

   - 입력만을 이용한 학습(정답지가 없는 학습 방법)

   - 군집화(clustering), 압축(compression)

   - (학습모델) K-means 클러스터링

   - 비슷한 것끼리 뭉치게 하는 알고리즘(클러스터링, Clustering)

> 강화학습(Reinforcement Learning)

    - 결괏값 대신 리워드(reward) 주어짐

    - Action Selection, Policy Learning

    - (학습모델) MDP(Markov Decision Process)

 

 

딥러닝에 대해서도 알아보고 둘을 비교하며 설명하도록 하겠다.

  딥러닝

: 머신러닝 알고리즘 중에 인공 신경망을 기반으로 한 방법들을 통칭하는 것

 

신경망을 통해 인공지능을 만드는 머신러닝의 한 종류인 만큼, 함수의 합성과 같이 동물의 신경세포들의 합성인 "신경망(Deep Neural Network)", 딥러닝이라는 이름이 생겼다. "심층 깊은 학습"의 의미로 불리는 학습방법이며, 신경망을 여러 층 쌓아서 만드는 것이다.

 

---

머신 러닝과 딥러닝의 관계에 있어서는 논란의 여지가 있는데, 딥러닝의 근간인 신경망(Neural Netwrok)이 먼저 생겨났기 때문이다. AI와 패턴인식이 가장 먼저 나온 키워드이며, 신경망의 근원인 퍼셉트론(perceptron)과 신경망이 먼저 등장하기에 머신러닝에 딥러닝이 종속된다는 것이 애매하다고 할 수 있다는 것이다.

 

위와 같은 경우 때문에, 일반적인 머신러닝은 신경망 기반이 아닌 주로 해석 가능한 수학적 모델을 기반으로 하는 머신러닝을 의미하며, 사람의 기존 지식을 이용해 선택가능한 특징들을 통해 분류, 회귀, 군집 등의 문제를 풀어가는 알고리즘으로 보는 견해가 전통적인 머신러닝이라고 할 수 있다.

 

 ✔비슷한 듯 다른 머신러닝과 딥러닝, 그렇다면 차이점은 무엇일까?

제일 큰 차이는 사람의 개입여부이다.

머신러닝은 주어진 데이터를 인간이 먼저 처리한다. 사람이 먼저 컴퓨터에 특정 패턴을 추출하는 방법을 지시하고, 그 후에 컴퓨터가 스스로 데이터의 특징을 분석하고 축적한다. 이렇게 축적된 데이터를 토대로 문제를 해결한다.

예시로 한 때 편의점의 진열대 사진을 사진 찍으면 돈을 주던 앱을 생각해 볼 수 있다.

많은 양의 래퍼런스가 쌓이고, 이를 통해 컴퓨터를 학습시켜 식별 능력을 기르는 것이다.

 

딥러닝은 머신러닝에서 사람이 하던 패턴 추출 작업이 생략되고, 컴퓨터가 스스로 데이터를 기반으로 학습하며 정해진 신경망을 컴퓨터에게 주고 아이가 학습하듯이 경험 중심으로 학습을 수행한다.

사람이 특성을 추려 사전에 정의한 알고리즘과 규칙을 적용하는 머신러닝과는 다르게, 딥러닝에서는 심층 신경망을 통해 스스로 특성을 훈련해 분류할 수 있도록 하는 것이다.

 

✔머신러닝의 지도학습에서 간략하게 언급했던 '분류'와 '회귀'의 차이에 대해 알아보자.

머신러닝이 맞춰야 하는 Label(정답지)이 이산적(Discrete)이라면 분류라 하며, 정답이 연속적(Continuous)이라면 회귀라고 한다. 이산적이라는 것은 '치킨'이나 '와플'처럼 독립적인 의미가 있어 연속적으로 표현하기 어려운 것들이다.

 

✔머신러닝에만 회귀, 분류를 표현했는데 딥러닝에도 있을까?

딥러닝에서도 머신러닝과 같이 일부만 정답과 알고리즘이 만들어 낸 유사 정답(pseudo label)을 만들어내는 준지도 학습(Semi - Supervised Learning)이 있다. 최근에는 정답이 없는 데이터에서 알고리즘으로 얻어지는 특징표현(representation)을 선정해 학습하여 특징 추출 모델을 활용해 유사 문제를 해결하도록 하는 자기 지도 학습(Self-Supervised Learning) 방식도 연구되고 있다. 지도 학습과 비지도 학습은 머신러닝과 마찬가지로 있다.

 

 

참고자료 : 

https://www.codestates.com/blog/content/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D%EA%B0%9C%EB%85%90 

https://6u2ni.tistory.com/38 

https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=msnayana&logNo=220709962727 .

https://hongong.hanbit.co.kr/ai-%EB%AC%B4%EC%97%87%EC%9D%B8%EA%B0%80-%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D-%EC%B0%A8%EC%9D%B4%EC%A0%90-%EC%B4%9D%EC%A0%95%EB%A6%AC/ 

https://fastcampus.co.kr/story_article_dl 

https://www.tibco.com/ko/reference-center/what-is-machine-learning