1. 인공지능(Artificial Intelligence, AI)이란?
- 기계가 사람처럼 스스로 생각하고 판단하여 행동하도록 하는 것
- 인간의 지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템
- 인간의 지능을 기계 등에 인공적으로 구현한 것
- 인간이 가지고 있는 인식, 판단 등의 지적 능력을 모델링하여 컴퓨터에서 구현하기 위해 다양한 기술이나 소프트웨어, 하드웨어, 이를 포함한 컴퓨터 시스템을 통틀어 일컫는 말
- SAS의 정의 : 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정하며 삶과 같은 방식으로 과제를 수행할 수 있도록 지원하는 기술
2. 머신러닝(Machine Learning, ML)이란?
- 제공된 데이터를 통하여 스스로 학습하는 방법
- 알고리즘을 이용해 데이터를 분석, 분석을 통해 학습, 학습을 기반으로 판단과 예측을 수행함
- 기계의 패턴인식이 반복되어 자신의 오류를 수정하고 반복하면서 정확도를 높여간다.
- 의사결정 기준에 대한 구체적인 지침을 직접 코딩하는것이 아닌 ,
대량의 데이터와 알고리즘을 통해 컴퓨터 스스로 학습시켜 작업을 수행하는 방법을 익히는 것이 목표이다.
3. 딥러닝(Deep Learning, DL)이란?
- 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습한다.
- 데이터 세트를 분류하고 데이터간 상관관계를 찾아내어 예측을 더욱 정확하게 만든다.
- 이미지 분석, 언어 인식과 같은 직관적이고 고차원적인 사고를 요하는 분야에 강점이 있다.
- 기본적인 신경망조차 굉장한 양의 연산이 필요하므로 병렬연산에 최적화된 GPU의 등장으로 빠르게 발전되었다.
4. 인공지능, 머신러닝, 딥러닝의 관계
- 인공지능이 가장 넓은 개념이다.
- 인공지능의 구현 방법 중 하나가 머신러닝이다.
- 머신러닝 중 하나의 방법론이 딥러닝이다.
- 인공지능 ⊃ 머신러닝 ⊃ 딥러닝의 관계를 가지고 있다.
5. 머신러닝과 딥러닝의 차이 정리
위에서 계속 얘기하듯이 딥러닝은 머신러닝의 한 방법이므로 '차이점'이라고 설명하기가 어려운것 같다.
마치 '사칙연산과 덧셈의 차이를 말하라' 라는것 처럼
그래서 아래의 내용은 '머신러닝(딥러닝을 제외한 머신러닝)'과 '딥러닝'의 차이점이라고 보면 된다.
공통점
- 주어진 데이터로부터 규칙성을 찾는 것(학습)
- 블랙박스를 가지고 있음
차이점
| 머신러닝 | 딥러닝 | |
|
알고리즘 |
회귀분석 등을 사용 |
사람의 뇌를 본따 만든 신경망 사용 |
|
데이터 의존도 |
데이터 양이 적어도 성능이 잘 나온다. | 데이터 양이 적으면 성능이 잘 나오지 않는다. |
|
하드웨어 의존도 |
저사양 기계에서도 실행이 가능하다. |
고사양 기계를 사용해야 한다. (GPU) |
|
Feature engineering |
학습 데이터(특징)를 수동으로 제공해야한다. 예 ) 사람 : 고양이과 개를 귀 모양으로 분류해. |
분류에 사용할 데이터를 스스로 학습할 수 있다. 예 ) 컴퓨터 : 고양이와 개의 귀 모양이 다른 특징이 |
|
문제 해결 |
문제를 여러 개의 파트로 쪼갠 후 각각에 대한 답을 구하고 그 결과를 합치는 방법을 추천함 |
end-to-end 방식을 사용함 |
|
실행 시간 |
훈련(train) 시간이 비교적 적게 걸린다. |
훈련(train) 시간이 굉장히 오래 걸린다. |
|
해석력 |
선택한 알고리즘을 왜 선택했는지에 대한 명확한 규칙을 제공하므로 배후의 추론을 해석하기가 쉽다. (의사 결정 트리 등) |
성능은 좋지만 어떻게 성능을 낸건지 알 수 없음 |
반응형