인공지능(AI) 머신러닝(ML) 딥러닝(DL) 개념 구분 정리

안녕하세요. 생물정보학자의 꿈을 갖고있는 이태영입니다. 

 

요즘 인공지능(AI), 머신러닝, 딥러닝 얘기가 핫한데 3개의 개념은 어떻고 무엇이 다를까요?

다음 그림으로 총 정리 할 수 있겠습니다. 인공지능 안에 머신러닝 안에 딥러닝 이렇게 있다고 볼 수 있습니다.

우선 개념을 말씀드리기 이전에 저희가 왜 인공지능을 사용하는지 부터 알아야 할 필요가 있습니다.

 

 

1. 인공지능(AI) : 인공지능(AI)은 컴퓨터에서 음성 및 작성된 언어를 보고 이해하고 번역하고 데이터를 분석하고 추천하는 기능을 포함하여 다양한 고급 기능을 수행할 수 있는 일련의 기술입니다.

 

2. 머신러닝 : 사용하는 데이터를 기반으로 학습 또는 성능 향상을 지원하는 시스템을 구축하는 데 초점을 맞추는 인공 지능(AI)의 하위 집합입니다. 

 

3. 딥러닝 : 딥 러닝은 머신러닝(ML)의 하위 집합으로, 인간의 두뇌처럼 작동하도록 모델링된 알고리즘인 인공 신경망이 대량의 데이터에서 학습합니다.

 

음성, 이미지, 텍스트 같은 다양한 형태의 데이터가 존재합니다. 이러한 데이터를 인간이 아닌 컴퓨터가 직접 이해하고 분석해주는 것을 인공지능(AI)라고 총칭하는 겁니다. 이러한 인공지능은 유튜브 알고리즘 부터 시작해서 음성 인식 서비스, 자율주행 자동차등.... 다양한 분야에서 인공지능이 적용되고 있습니다.

 

제가 그중에서 중심을 잡을 것은 머신러닝입니다. (딥러닝은 아직 공부중이기 때문에....)

기계학습(머신러닝)의 분류

머신러닝은 크게 3가지로 나눌 수 있습니다. 

1. 지도학습 : 입력값(input)과 출력값(Output)값이 레이블 되어있어 기존에 존재하는 데이터를 모델에 훈련시켜 새로운 데이터의 입력값(input)이 주어졌을 때 출력값(Output)을 예측함을 목표로 한다. 
이러한 지도학습은 또 분류와 회귀로 나눌 수 있고 그안에서 여러가지 알고리즘이 존재합니다(SVM, RF, DT등등) 이 부분은 다음 챕터에서 자세하게 다루겠습니다.

 

2. 비지도학습 : 따로 레이블 되어있지 않은 데이터를 대상으로 패턴이나 특징을 발견한다. 
지도학습과는 데이터가 레이블이 되어있냐 아니냐가 차이점이라고 볼 수 있겠네요

3. 강화학습 : 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이다. 쉽게 정리하자면 컴퓨터가 상황을 인식하고 수행하려는 행동에 대해 피드백을 스스로 학습한다라고 이해하시면 될 것 같습니다. 딥러닝이 강화학습의 대표적인 예시라고 볼 수 있겠습니다. 

 

 

정리하자면 인공지능 > 머신러닝 > 딥러닝 (머신러닝의 하위개념) 이고

머신러닝에서는 알고리즘 선택과 매개변수 조정, 변수 제거 및 선택 과정에서 모두 사람의 개입이 있어야한다면 
딥러닝은 그러한 부분까지 컴퓨터가 반복적인 학습으로 최적의 모델을 주는 것이죠.

 

 

작성한 글은 제가 교재 및 인터넷 검색을 통해 제 기준으로 이해한 내용입니다.
잘못된 부분이 있다면 피드백 해주시면 감사..합니다.

 

출처

인공지능 정의 - https://cloud.google.com/learn/what-is-artificial-intelligence?hl=ko

머신러닝 정의 - https://www.oracle.com/kr/artificial-intelligence/machine-learning/what-is-machine-learning/

딥러닝 정의 - https://www.oracle.com/kr/artificial-intelligence/machine-learning/what-is-deep-learning/