인공지능, 머신 러닝, 딥 러닝 비교 및 차이

반응형

논란의 여지가 있으나 쉽게 이해하자면, "딥러닝⊂머신러닝⊂인공지능"으로 포함 관계를 나타낼 수 있다. 

인공지능

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

*강인공지능과 약인곤지능으로 나뉨

머신러닝

*규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야

*지능을 구현하기 위한 소프트웨어를 담당하는 핵심 분야

*통계학과 관련이 깊으나 최근 경험 바탕으로 발전하는 경우도 많음

*대표 라이브러리 : 사이킷런(scikit-learn)

딥러닝

*머신러닝 알고리즘 중 인공 신경망을 기반으로 한 방법들을 통칭하여 딥러닝이라고 함, 종종 인공 신경망과 딥러닝을 크게 구분하지 않고 사용하기도 함

*대표 라이브러리 : 구글의 텐서플로(TensorFlow), 페이스북의 파이토치(PyTorch)

---

머신러닝과 딥러닝의 차이→사람 개입 여부

*머신러닝은 주어진 데이터를 인간이 선행 처리한다. 그래서 사람이 먼저 컴퓨터에 특정 패턴을 추출하는 방법을 명령하고, 이후 컴퓨터 자체적으로 데이터의 특징을 분석하여 축적하고 학습한다. 이렇게 축적되고 학습된 데이터로 문제를 해결하도록 하는 것. 머신러닝에서는 어떻게 패턴을 추출할 것인지를 정하는 것을 '모델'을 정했다고 표현한다. 어떤 모델을 활용할지에 따라 계산하는 방법도 다양해진다.

ex)개와 고양이 사진을 식별하도록 하기 위해서, 사람이 사진을 보고 개와 고양이의 특징을 추출한 후 많은 예시를 통해 컴퓨터를 학습시켜 식별하게 만든다.

 

*딥러닝은 사람이 하던 패턴 추출 작업이 생략된다. 컴퓨터 스스로가 데이터를 학습할 수 있도록 정해진 신경망을 컴퓨터에게 제공한다. 딥러닝에서는 특정 신경망 구조를 '모델'이라고 표현한다. 

ex)개와 고양이 사진을 식별하도록 하기 위해서, 심층 신경망을 통해 스스로 개, 고양이의 특성을 훈련하여 개와 고양이를 분류할 수 있다.

---

머신러닝 딥러닝 학습 방식

*지도 학습은 퀴즈와 정답을 같이 주면서 퀴즈를 푸는 방법을 학습시키는 방식이다. 지도학습에서 분류(Classification)이란 여러가지 값들 중 하나를 정답의 후보로 선택해야하는 경우를 의미한다. 회귀란 주가 예측, 몸무게 예측 등 처럼 한가지 값을 예측하는 방식을 회귀(regression)이라고 한다. 분류와 회귀의 차이는 주관식과 객관식 문제 정도의 차이라고 생각할 수 있다. 머신러닝이 맞춰야하는 정답지(label)가 이산적(discrete)이라면 분류라고 하고, 정답이 연속적(continuous)라면 회귀라고 한다. 이산적(discrete)이라고 함은 개와 고양이 처럼 각각 독립된 의미라서 연속적으로 표현이 어려운 것을 뜻한다. 연속적(continuous)라는 것은 키, 몸무게처럼 연속적으로 크기를 비교할 수 있는 것을 의미한다. 대표적으로 중고차 가격 맞추기 문제가 대표적인 회귀 문제라 할 수 있다.

 

*비지도 학습은 데이터만 주고 데이터의 특징들만을 보고 군집 등의 문제를 푸는 방식이다.

ex)클러스터링(비슷한 것끼리 뭉치게하는 알고리즘, 스스로 특징을 구별해 각 집합을 만듦)

---

참고자료

• 한빛미디어 혼자 공부하는 머신러닝_딥러닝
• 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

인공지능·머신러닝·딥러닝 차이점은?ㅣ개념부터 차이점까지 총 정리