[알기쉬운 AI - 01] AI , 머신러닝, 딥러닝의 차이점 알기!

 

1. AI는 마법이 아니다!

사실 학술적으로도 AI의 정의는 명확하게 정해져 있지 않습니다.

미국 스탠퍼드 대학 교수를 지낸 계산기 과학자 아서 사무엘 의 "컴퓨터에 명시적 프로그램 없이도 학습할 수 있는 능력을 부여하는 연구 분야"라는 설명이 가장 유명합니다.

 

아서 사무엘 [출처 : Stanford InfoLab]

이 설명을 말 그대로 받아들이면 "프로그래밍이나 수식을 사용하지 않고 마법같이 tool을 조종하거나 만들 수 있는 것이 아닌가?"라고 생각할 수 있습니다. 그러나 이 정의는 오래전에 나온 AI의 이상형이며, 현재의 AI 기술은 이 수준에 못 미칩니다.

 

또한 AI는 연구 분야의 하나입니다만, 현재는 기능의 의미로 사용되는 경우가 많습니다. 그 계산 방법을 비즈니스에 활용하는 것으로, 현재 다양한 기업이 성과를 올리고 있습니다.

 

굳이 현재의 실용화 레벨에서 AI를 설명하자면, "대량의 데이터에서 특징을 분석하고 경험치 및 정확도를 높인 예측· 분류 프로그램 기능" 이란 표현이 맞다고 생각합니다.

 

예로, 체스 세계챔피언을 이긴 AI는 대량의 작전을 학습시켜서 유리할 확률이 높은 쪽을 예측하고 선택합니다. 또한 얼굴을 자동으로 인식하는 AI는 데이터로 변환된 다양한 사람의 얼굴 이미지를 학습함으로써 인간의 얼굴을 분류하고 판단해 냅니다.

 

즉, AI 기술은 다양한 일에 '활용'할 수 있지만, AI 자체만으로 할 수 있는 일은 그다지 많지 않고, 아직 인간에게 사용되고 있는 것이 현실입니다. 본 내용을 읽어 나간다면 분명 AI의 기능과 그 한계를 알 수 있을 것입니다.

 

세상에서 인식되고 있는 AI와 실제로 기업이 활용하고 있는 AI의 사이에는  그 이미지에 큰 괴리가 있습니다. 그 괴리를 제대로 아는 것이 우선 AI 비즈니스의 첫걸음이라고 할 수 있습니다. 

 

2. 머신러닝? 딥러닝? 우선은 그 차이를 알자!

AI, 머신러닝, 딥러닝의 관계를 그림으로 나타내면 다음과 같습니다. 가장 넓은 의미를 담고 있는 것이 AI(인공 지능)이며, 따라서 AI라는 말을 엉성하게 사용해 버리면 그 가리키는 단어의 범위가 넓고, 매우 알기 어려운 경우가 많습니다.

 

◾ 머신러닝

AI를 "대량의 데이터에서 특징을 분석하고 경험치 및 정확도를 높인 예측 · 분류 프로그램 기능"이라고 했을 때, 머신러닝은 그 계산을 자동으로 수행하는 시스템을 가리킨다고 하면 이해하기 쉽습니다.

 

머신러닝은 AI 속의 계산 시스템을 가리키므로 거의 동일하게 취급되는 일도 많습니다. 그러나 그 차이를 명확히 파악해 두는 것이 좋습니다.

 

예를 들어, 이미지 인식 기능, 바둑 AI 등은 머신러닝 시스템을 이용하여 만들어졌다고 할 수 있습니다.

 

◾︎ 딥러닝

머신러닝은 대량의 데이터에서 규칙성이나 연관성을 찾아내어 판단과 예측을 하는 기술입니다. 그러기 위해서는 "색"이나 "모양" 같이 주목할만한 특징(매개 변수)을 인간이 지정해줘야 합니다.

 

딥러닝은 머신러닝에 새로운 메커니즘을 추가한 머신러닝의 한 분야라고 하면 알기 쉽습니다.

 

인간의 뇌신경 회로를 모델로 한 다층구조 알고리즘 "딥 뉴럴 네트워크"를 이용하여, 특정한 설정과 조합으로 AI 스스로 생각하고 결정합니다. 머신러닝에서는 "색"과 "모양"처럼 착안점을 제시해야 했지만 딥러닝의 경우는 알려주지 않아도 어떤 값에 중점을 둬야 할지 스스로 생각하고 최적의 분류와 예측을 해냅니다. 여기에서는 상세한 설명은 생략하지만, 매우 흥미로운 원리로 되어 있습니다.

 

또한 오해하기 쉬운 가장 중요한 점은 "딥러닝에도 데이터는 필요하다(없으면 아무것도 할 수 없다)는 것과 인간의 추가 작업이 필요하다"는 것입니다.

 

여기서는 '머신러닝'과 '딥러닝'의 구조를 상세하게 이해한다기보다는 그 포함 관계를 알고 AI라는 것이 데이터를 바탕으로 무언가를 예측하고 분류하는 프로그램이라는 것을 기억해 둡시다.

 

 

[알기쉬운 AI - 02] '제 3차 AI붐' 이란?