티스토리 뷰

목차



    반응형

    1. AI, 머신러닝, 딥러닝, 그리고 그 관계

    인공지능(AI), 머신러닝(ML), 딥러닝(DL)은 모두 우리가 일상을 살아가는 방식, 그리고 일하는 방식을 바꿀 수 있는 기술이며, 이는 높은 잠재력을 뽐내며 빠르게 진화하고 있습니다.
    이러한 용어들은 많은 사람들 사이에서 구분되지 않고 사용되지만, 사실 뚜렷하게 구분되며 명확한 차이를 갖고 있죠. 이 포스팅의 목적은 AI, ML 및 DL에 대한 포괄적인 개요를 제공하고 독자들이 이러한 기술 간의 차이점을 이해하도록 돕고자 합니다.

    a. AI, 머신러닝, 딥러닝의 관계 정의

    간단히 요약하면 다음과 같습니다.

    관계-정리-딥러닝-머신러닝
    상호 관계 정리 간단 확인 클릭!

    인공지능(AI) > 머신러닝(ML) > 신경망 계열 ML 기법 > 딥러닝(DL)


    많은 이들이 AI, ML, DL이 각기 완전히 다른 기법 혹은 방법론이라고 잘못 알고 계십니다. 그러나, AI라고 하는 인공지능은 가장 큰 범주이며, 그중 ML이 속하고 신경망 구조를 지닌 ML 기법 중 층(Layer)을 깊게 쌓아 그 구조를 정교화한 것이 DL인 것이죠!

    그 관계에 대해 알아보았으니, 하나하나 핵심 위주로 설명해 볼게요.

     

     

     

     

     

     

    인기글 빠르게 둘러보기

    챗GPT, LLM 한방 정리하기
    데이터 사이언스, 엔지니어링 한방 구분
    챗GPT를 튜닝하는 꿀팁

     

     

     

     

    2. Artificial Intelligence (AI)

     

     

    인공지능(AI)은 기계가 학습하고 판단을 내리도록 프로그래밍된 것을 칭하며, 이는 인간의 지능을 시뮬레이션한 것입니다. 시각적 인식, 음성 인식, 의사 결정 최적화 및 자연어 처리(NLP)와 같이 일반적으로 인간의 지능을 필요로 하는 작업을 수행하는 컴퓨터 또는 기계의 능력을 칭하죠.

    인공지능(AI)의 시대가 도래하여 삶과 일터의 도처에 확산되고 있음

    a. AI의 종류:

    • Rule-based AI (규칙 기반 AI): 해당 유형의 AI는 문제를 해결하거나 결정을 내리기 위해 미리 정의된 규칙(Rule) 집합을 사용합니다. 전문가 시스템 및 의사 결정 지원 시스템과 같은 애플리케이션에서 자주 사용됨
    • Expert systems (전문가 시스템): 이는 특정 분야의 인간 전문가의 의사 결정 능력을 모방한 컴퓨터 프로그램을 칭함
    • Decision support systems (의사 결정 지원 시스템): 이 AI 시스템은 의사 결정자에게 관련 정보와 도구를 제공함으로써 의사 결정 과정을 돕는 것을 그 주요 목표로 함

    b. 일상생활에서 AI의 예:

    • Siri, Alexa 또는 Google Assistant와 같은 가상 개인 비서 서비스
    • 스마트폰의 이미지 및 음성 인식 기능
    • 자율주행 자동차 프로그램
    • 신용 카드 거래에서 부정행위 탐지 등이 모두 해당됩니다.

    인공지능-머신러닝-딥러닝-관계1
    인공지능-머신러닝-딥러닝-관계

     

     

     

     

     

     

     

     

     

     

     

     

    3. 기계 학습(ML, Machine Learning)

     

     

    머신 러닝(ML)은 사람이 컴퓨터에 명시적으로 프로그래밍하지 않고도, 기반이 되는 Code Frame을 미리 작성해 두었다면 '빅데이터를 지속적으로 학습'할 수 있도록 합니다. 이렇게 '학습'하는 것은 인간이 공부를 하는 것과 유사한데요. 수학적인 알고리즘과 통계 모델이 그 핵심이 되며, 이렇게 알고리즘 + 빅데이터를 접합함으로써 AI의 핵심 분야 중 하나로 자리하였습니다. 컴퓨터가 Pattern을 인식하고 데이터를 기반으로 예측하도록(or 분류하도록) 훈련하는 과정을 칭합니다.

    a. 기계 학습의 유형

    • 지도 학습 (Supervised Learning):
      • 지도 학습에서 모델은 원하는 출력이 이미 알려진 레이블이 지정된 데이터 세트에 대해 훈련됩니다.
      • 분류(Classification) 및 회귀(Regression) 분석과 같은 작업에 사용
    • 비지도 학습 (Unsupervised Learning):
      • 비지도 학습에서는 모델에 레이블이 지정된 데이터가 제공되지 않으며, 입력 데이터에서 패턴과 구조를 스스로 찾아야 합니다.
      • 클러스터링(Clustering) 및 이상 탐지(Anomaly Detection)와 같은 작업에 사용
    • 강화 학습 (Reinforcement Learning): 강화 학습에서 모델은 주어진 환경과 상호 작용하여 일련의 결정을 지속하여 내리도록 훈련됩니다. 이를 통해 보상 혹은 벌칙의 형태로 Feedback을 받아 지속하여 학습하므로, 점점 똑똑해지죠.
     

    b. 일상생활에서의 ML의 예:

    • 온라인 쇼핑 플랫폼의 추천 시스템
    • 넷플릭스, 스포티파이의 추천 시스템
    • 은행 시스템에서 부정행위 탐지
    • 소셜 미디어 플랫폼에서의 이미지 인식 등을 포괄

    은행을 포함한 많은 기업에서 ML 기반 이상탐지 시스템을 도입

     

     

     

     

     
     
     
     

     

     

    4. 딥 러닝(DL)

     

     

    딥 러닝(DL)은 ML의 하위 집합으로, 빅데이터를 학습하고 데이터를 기반으로 예측하기 위해 여러 신경망 계층(Neural Layer)이 있는 신경망을 사용합니다. 이를 통해 매우 크고 복잡한 데이터 세트를 학습하고 처리할 수 있다는 점에서 매우 진보한 형태의 ML이에요.

    컴퓨터의 성능이 지속하여 빠르게 발전함으로써 Deep Learning 기술이 보편화될 수 있었다.

     

    a. DL이 기존 ML과 어떻게 다른지:

    • DL은 기존 ML 알고리듬이 처리하기 어려운 크고 복잡한 데이터 세트를 처리하는 데 용이
    • DL은 빅데이터에서 Feature(변수)를 자동으로 식별/추출할 수 있는 반면, 기존 ML은 Feature Engineering에 상대적으로 손이 많이 가며 까다로움
    • DL은 여러 수준의 추상화(multiple levels of abstraction)를 학습할 수 있는 반면, 기존 ML은 한 수준만 학습할 수 있음

    b. DL 알고리즘 유형:

    • 신경망: 이것들은 인간의 뇌를 모델로 하여 이미지 및 음성 인식과 같은 작업에 사용되는 일련의 알고리즘임
      • 컨볼루션 신경망(CNN): 이것들은 이미지 및 비디오 인식에 특히 효과적인 신경망 유형
      • 순환 신경망(RNN): 이것들은 음성이나 텍스트와 같은 순차적인 데이터를 처리할 수 있는 신경망의 일종

    c. 일상생활에서의 DL의 예:

    • 스마트폰의 이미지 및 음성 인식
    • 자율주행차
    • 가상 개인 비서의 이미지 및 음성 인식
    • 앱 및 웹 사이트의 언어 번역
     

     

     
     
     
     

     

     

    5. AI, ML 및 DL의 다양한 사용 분야

    • 헬스케어: 인공지능과 ML은 의료 영상 분석, 약물 발견, 개인화된 의료와 같은 업무에 사용되고 있음. DL은 질병 진단 및 치료 계획과 같은 작업에 빈번히 사용됨
    • 재무: AI와 ML은 신용위험평가, 사기탐지, 알고리즘 거래 등의 업무를 위해 금융에 적극 도입되어 활용됨
    • 운송: AI와 ML은 교통 예측, 경로 최적화, 자율주행차 등의 업무를 위한 운송에 활용되고 있으며, DL은 자율주행차에서 물체 감지, 추적 등의 작업에 활용되고 있음
    • 잠재적인 미래 적용 건들:
      • AI, ML, DL은 교통, 에너지 관리, 공공 안전 등의 업무에 활용될 스마트 시티 개발에 큰 역할을 할 것으로 예상됨
      • AI와 DL은 컴퓨터가 인간의 언어를 보다 자연스럽고 효과적인 방식으로 이해하고 대응할 수 있도록 하면서 자연어 처리 분야에 혁명을 일으킬 것으로 기대됨
      • AI와 DL은 질병 진단과 치료 계획 등의 업무에 활용될 개인 맞춤형 의약품 개발에 큰 역할을 할 것으로 기대됨

    드넓게 펼쳐진 에너지 공급망을 AI는 실시간으로 모니터링 및 이상탐지 가능하다.

     

     
     
    반응형