인공지능 딥러닝 머신러닝 차이

 

인공지능이란?

인공지능(Artificial Intelligence)은 인간이 학습하는 능력과 추론하는 능력 등을 컴퓨터로 실현한 것입니다. 이는 인간의 뇌를 만들어보려는 목적으로 만들어졌습니다. 인간의 뇌는 뉴런이라는 세포들로 이루어져 있습니다. 뉴런과 뉴런 사이에는 시냅스가 있는데 시냅스는 뉴런을 연결하는 중요한 역할을 하고 있습니다. 신경 말단이 자극을 받게 되면 시냅스에서는 화학물질이 분비되고, 이것이 전위 변화를 일으킵니다. 이 전위가 임계치를 넘어서게 되면 다음 뉴런으로 신호를 전달하고, 임계치를 넘지 않는다면 아무 일도 생기지 않습니다. 생각은 자극에 의한 화학물질의 분비를 통하여 이루어집니다. 이러한 메커니즘을 모방한 것이 인공신경망(ANN: Artificial Neural Network)입니다 .
딥러닝은 기존의 머신러닝에서 데이터의 특징을 선정하는 것까지 인공신경망으로 학습하는 것입니다.

인공지능> 머신러닝> 딥러닝

기계학습은 50년 이상 꾸준하게 발전되어 왔지만 2000년대 중반부터 두드러진 발전이 이루어졌습니다. 특히 캐나다 토론토 대학의 제프리 힌톤(Geoffrey Hinton) 교수의 논문을 통해 딥러닝이 주목을 받기 시작했는데, 기존의 기계학습과 딥러닝의 가장 큰 차이점은 비지도 학습(Unsupervised Learning)이라는 것입니다.
지도 학습(Supervised learning)은 컴퓨터 데이터마다 레이블이 주어진 상태에서 학습을 하는 것입니다. 예를 들면 강아지 사진을 컴퓨터에게 보여주고 이 사진이 강아지라고 알려주는 식으로 미리 학습을 시키는 것입니다. 이 학습을 통하여 컴퓨터는 강아지를 구분할 수 있게 됩니다. 대표적으로 분류와 회귀가 있습니다. 기존의 기계학습 알고리즘의 대부분은 지도 학습을 사용하였습니다. 그에 반해 비지도 학습(Unsupervised Learning)은 학습 데이터가 정답이 주어지지 않은 상태에서 비슷한 특징끼리 스스로 분류하게 하는 방식으로, 사진 속의 동물이 강아지라는 것을 컴퓨터가 스스로 학습을 할 수 있게 됩니다. 이를 위해서는 고도의 연산 능력이 필요합니다. 대표적으로 클러스트링이 있습니다. 딥러닝은 비지도 학습을 사용하여 인공신경망 최적화를 수행합니다. 알고리즘에 데이터의 특징을 선정하는 것부터 학습하는 것 모두 포함시킨 것이 딥러닝의 가장 큰 특징입니다.

 

딥러닝의 활용

최근 구글, 페이스북, 바이두, 네이버 등 여러 기업들이 딥러닝 기법을 적용하여 각 사이트마다 편리한 기능들을 제공하고 있습니다.
구글은 딥러닝 알고리즘 중 심층 신경 네트워크(DNN, Deep Neural Network) 기술을 구현하여 컴퓨터가 유튜브에 등록된 동영상에서 고양이를 인식하는 데에 성공하였습니다.
페이스북은 얀 리쿤 교수의 인공지능 그룹의 주도로 얼굴인식 기술인 딥페이스(DeepFace)를 개발하였습니다. 딥페이스의 인식 정확도는 인간의 눈과 차이가 거의 없을 정도로 높은 정확성을 지니고 있습니다.
또한 국내의 네이버나 다음에서도 음성 인식, 이미지 분석 등 딥러닝 기법을 활용하고 있습니다.