인공 지능 - 딥러닝과 머신러닝은 도대체 뭐가 어떻게 다른걸까?

인공 지능 - 딥러닝과 머신러닝은 도대체 뭐가 어떻게 다른걸까?

 

안녕하세요.

로스윗의 코딩캠프입니다.

오늘 여러분과 함께 알아 볼 내용은 바로 딥러닝과 머신러닝의 관계인데요.

많은 분들이 이 두가지 용어를 많이 헷갈려 하셔서 가장 쉽고 빠르게 알려드리고자 포스팅을 하게 되었습니다.

그럼 거두절미 하고 바로 본론으로 들어가보겠습니다~!

 

 

인공지능

 

- 인공지능, 딥러닝, 머신러닝 3가지 용어

먼저 인공지능, 딥러닝, 머신러닝 이 3가지 용어에 대해서 설명드리겠습니다.

이 3가지 용어도 미디어에서 굉장히 혼용해서 많이 사용을 합니다.

어디에서는 머신러닝이라고 하고, 어디에서는 인공지능이라고 하고, 어디에서는 딥러닝이라고 합니다.

하나씩 살펴볼까요.

 

 

- 인공지능 AI

일단 인공지능(AI)이 머신러닝과 딥러닝을 포함하는 가장 큰 개념의 용어입니다.

그래서 인공지능은 인간의 지능을 가진 컴퓨터 시스템이라고 정의를 할 수가 있습니다.

 

 

- 기계학습 Machine Learning(ML)

기계학습은 머신러닝이라고도 하고 줄여서 ML이라고도 합니다.

기계학습은 조금전에 설명드린 것처럼 인공지능 안에 들어있는 한 분야입니다.

그래서 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야에요.

인공지능(AI)과 기계학습(ML)을 구분하는 쉬운 예를 들어드리겠습니다.

 

반응형

옛날에 컴퓨터 소프트웨어나 하드웨어가 발달하지 않았을 때

바둑이나, 체스나 장기를 컴퓨터와 해보신 적이 있으신가요?

그때는 장기를 컴퓨터에서 두면 여러분이 말을 A에서 B로 이동하면  컴퓨터는 항상 C에서 D위치로 이동을 합니다.

여러분들이 첫 판을 하던 백판을 한 후에 하던 항상 컴퓨터는 우리가 움직이는 것에 따라서 똑같이 움직입니다.

이것도 인공지능이긴 합니다.

 

단지 기계학습이 안된 상태의 인공지능인겁니다.

 

이런 경우는 특정 패턴을 프로그래밍을 해서

여러분들이 움직이는 것에 따라서 항상 똑같이 움직이는거에요.

체스도 마찬가지고, 바둑도 마찬가지입니다.

 

그런데 기계학습은 우리가 A위치에서 B위치로 움직이면 컴퓨터가 C에서 D위치로 이동을 해요.

그런데 컴퓨터와 100판을 두고 1000판을 두면 10000판을 두면은 여러분이 A위치에서 B위치로 두었을 때

컴퓨터가 C에서 D위치로 두는 것이 아니라 C에서 E로 놓는다던가 C에서 F로 놓는다던가

이렇게 컴퓨터가 여러분들하고 계속 장기를 두면서 스스로 자가학습을 해서

성능을 향상시키는 알고리즘이 바로 기계학습입니다.

 

그래서 인공지능은 인간의 지능을가진 컴퓨터 시스템 전체를 아우르지만

기계학습은 점점 더 지능이 발달하는 알고리즘이다 라고 생각을 해주시면 되겠습니다.

 

 

딥러닝 머신러닝

 

- 딥러닝 Deep Learning (DL)

그 다음에 딥러닝(DL)은 기계학습(ML)의 한 분야에요. 

그러니까 기계학습 안에 포함되어 있는 알고리즘 이라고 생각을 해주시면 됩니다.

기계학습에도 다양한 알고리즘이 있어요. 기계가 스스로 학습할 수 있는 알고리즘도 종류가 다양한데요,

딥러닝 같은 경우는 기계학습의 한 분야 중에서도

인공신경망이라고 하는 perceptron(퍼셉트론)이라는 알고리즘을 기초로 해서 만들어진 알고리즘을 딥러닝이라고 합니다.

다시 말해서 기계학습 중에서도 인공신경망 알고리즘을 모방해서 만든 알고리즘을 딥러닝이라고 합니다.

보통은 머신러닝보다 성능이 좋기 때문에 딥러닝이 요즘 가장 핫한 키워드죠.

 

 

 

- 머신러닝과 딥러닝의 차이

이제 기계학습과 딥러닝의 차이를 설명을 드리겠습니다.

기계학습은 보통은 데이터의 양이 굉장히 많고

컴퓨팅 파워가 적게 들어가는 용도로 만들어지는 인공지능이라고 생각해주시면 됩니다.

 

예를 들어 스팸메일인지 아닌지 구분하는 인공지능을 만든다면 학습해야 할 데이터의 양이 많겠지요.

대신에 인공지능 모델을 만들어낼때 컴퓨팅 파워를 적게 사용하면서 정확하게 만들어 낼 수 있는게 기계학습입니다.

여기서 제가 말하는 기계학습은 딥러닝을 제외한 나머지 알고리즘을 사용하는거라고 생각해주시면 됩니다.

 

반대로 딥러닝은 학습해야 할 데이터의 양이 많지 않아요. 대신에 컴퓨팅 파워가 굉장히 높아요.

이런 경우에 다른 알고리즘보다 좋은 성능을 내는 방법이 딥러닝입니다.

 

다시 정리하자면,

내가 인공신경망 알고리즘을 쓸지 아니면 인공신경망이 아닌 다른 일반적인 기계학습 알고리즘을 쓸지 고민이 되실 때는

내가 가진 데이터의 양은 많고 컴퓨팅 파워는 낮을 때는 인공신경망이 아닌 기계학습 알고리즘을 쓰는게 맞구요.

내가 가진 데이터의 양이 적고 컴퓨팅 파워는 많이 많이 가지고 있다면 딥러닝이 유리합니다.

그래서 딥러닝이 인공지능에서 굉장히 유망한 머신러닝 알고리즘입니다.

 

- 딥러닝의 현실

그런데 딥러닝은 사실 작은업체에서 뛰어들어서 하기에는 쉽지 않습니다.

클라우드를 이용해서 어느정도는 할 수 있는데, 아무래도 큰 회사들이 돈이 많으니까 많은 컴퓨팅 파워를 쓸 수 있잖아요.

그래서 인공지능 딥러닝 분야도 큰 회사들이 잘 하는 분야가 될거라고 얘기하는 사람들이 많이 있습니다. 

 

오늘은 간략하게 인공지능과, 머신러닝, 딥러닝에대해서 살펴봤는데요,

이 사진 한장으로 쉽게 정리 할 수 있을 것 같습니다.

 

 

인공지능 딥러닝 머신러닝의 관계

 

이 사진은 엔비디아 사이트에서 가져온 이미지입니다.

앞에서 설명드린 AI가 가장 큰 범위를 가지고 있는 용어이고, 그 안에 머신러닝이 있고 그 안에 딥러닝이 있다 라는 것을 알려주는 거구요. 2016년에 알파고가 이세돌 기사를 이기면서 AI쪽이 뜨게 되었습니다. 사실 이런 수학적인 알고리즘들은 옛날 부터 있었어요. 그런데 그때는 그런 알고리즘을 구현할 컴퓨팅 파워가 발전을 못했었어요. 그런데 2015년 2016년부터 하드웨어에 대한 컴퓨터 파워가 좋아지면서 인공지능이 뜨게 되고, 알파고 처럼 인공지능이라는게 사람을 능가하는 판단력을 가지게 되면서 유망한 산업분야로 발전하게 된 것입니다. 그래서 이 3가지 용어를 여러분들이 구분을 해서 사용을 하시면 좋을 것 같습니다. 

 

 

긴 글 읽어주셔서 감사합니다.

다음 포스팅도 기대해주세요.

모두 감사합니다.