[AI] #2 - 머신러닝, 딥러닝 차이점

빅데이터, 인공지능, 머신러닝, 딥러닝의 차이점

왜 빅데이터와 인공지능이 연관 있을까? 

인공지능을 하려면 머신러닝과 딥러닝을 왜 알아야 하는지?

딥러닝 ⊂ 머신러닝 ⊂ 인공지능

인공지능을 구현하기 위한 대표적인 방법으로 머신러닝이 속함

또한, 딥러닝은 머신러닝의 여러 방법 중 하나로 속하여 있음

 

1. 빅데이터(Big Data)

인공지능 분야와 관련하여 말하자면, 기계 학습을 위해 필요한 방대한 데이터를 뜻하며, 기계가 학습하기 위해 데이터가 필요함. 기계를 학습시킬 수 있는 많은 양의 데이터를 구하기 위해 인터넷 발전과 함께 탄생한 개념

 

 

2. 머신러닝(Machine Learning)

인공지능을 구현하는 구체적 접근방식으로 수학, 통계학을 적용한 학습 알고리즘으로 컴퓨터가 스스로 학습하여 인공지능의 성능을 향상하는 기술

알고리즘을 이용해 데이터를 분석하고 학습하여 내용을 기반으로 판단이나 예측 가능 

따라서, 궁금적으로는 의사결정기준에 대한 구체적인 지침을 소프트웨어가 직접 코딩해 넣는 것이 아닌, 대량의 데이터와 알고리즘을 통해 컴퓨터 자체를 '학습'시켜 작업 수행하여 방법을 익히는 것을 목표로 함

 

2-1. 대표적인 알고리즘

(1) 지도 학습: 정답이 있는 데이터 활용, 예측모델 등에 사용 ex) 분류, 회귀 등 -> 신용카드 거래의 사기성이나 보험 가입자의 보험금 청구 가능성 여부 등 예측에 효과적

(2) 비지도 학습: 정답이 없는 데이터를 군집화하여 새로운 데이터에 대한 결과 예측 ex) 클러스터링, k-means 등 -> 유사한 속성의 고객을 분류하고, 유사성을 근거로 마케팅 캠페인에서 고객 세그먼트 관리, 속성 파악

(3) 강화 학습: 결과값이 아닌 일을 잘했을 때 보상을 주는 방식으로 어떤 행동이 최선인지 학습시킴(시뮬레이션 반복 학습으로 성능 강화 등에 사용) ex) 에이전트, 환경, 상태, 행동, 보상 ex) 에이전트, 환경, 보상, 행동 -> 로봇, 게임 및 내비게이션 등에 이용되며 일정한 시간 내에 예상되는 보상을 극대화할 수 있는 동작 선택

 

2-2. 실생활 활용 사례

유튜브 추천 영상, 페이스북 추천 게시물, 검색어 자동완성, 내비게이션 경로 탐색, 스마트 워치, 배달 앱의 배달 시간 단축 등

 

 

3. 딥러닝(Deep Learning)

인간의 신경망을 모방한 머신러닝 기술로 완전한 머신러닝을 실현하는 기술

인공 신경망에 영감을 준 것은 인간의 뇌가 지닌 생물학적 특성, 특히 뉴런의 연결 구조

 

딥러닝 성공 비결 = 알고리즘(기존 신경망 한계 극복) + Big Data(풍부한 학습 데이터) + H/W 발달(GPU 능력향상, 신경망 계산량 †)

 

3-1. 대표적인 알고리즘

(1) ANN: 인공신경망, 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘

(2) DNN: ANN 문제가 해결되면서 모델 내 은닉층을 많이 늘려서 학습결과 향상시키는 방법으로 2개 이상 은닉층 지님

(3) CNN: 합성곱신경망, 데이터의 특징을 추출하여 패턴을 파악하는 구조, 사람의 시신경 구조 모방

(4) RNN: 순환신경망, 입출력을 시퀀스 단위로 처리하는 모델

이외에 LSTM, GRU 등

 

3-2. 실생활 활용 사례

카메라 얼굴 인식, 인공지능 스피커, 챗봇, 자율주행차, 자동번역 등

 

 

[참고자료] 인포섹 공식 블로그