[용어 설명] 인공지능, 기계 학습, 딥러닝 차이점 (Artificial intelligence, Machine learning, Deep learning)

쉽게는 딥러닝은 기계학습의 한 분야이고, 기계학습은 인공지능의 한 분야라고 이해하면 된다.

그래서 "딥러닝 ⊂ 기계학습 ⊂ 인공지능" 이다.

 

인공지능 (AI)

인공지능이란 인간처럼 생각하거나 행동하는 기계를 말하며, 이는 (인간처럼) 합리성을 가진 소프트웨어나 하드웨어를 말한다.

 

기계 학습 (머신 러닝, ML)

기계 학습은 인공지능 (AI)의 한 분야이기 때문에 AI를 "기계 학습이 아닌 AI"와 "기계 학습 기반 AI"로 나눌 수 있다.

전자는 규칙 기반의 AI로 "실내 온도가 몇 도 이상일 때 에어컨을 가동한다" 등의 규칙이 포함된다.

후자는 데이터로부터 학습하는 것으로 특정 업무 수행 능력이 점차 증가되는 AI이다.

 

기계 학습의 종류에는 다음이 있다.

  ① 지도학습 (Supervised learning): 정답이 있는 데이터로 학습

      ex) 개, 고양이 사진을 구분하도록 기계를 학습

  ② 비지도학습 (Unsupervised learning): 정답이 없는 데이터로 학습

      ex) 많은 사진을 주고 기계가 알아서 구분하도록 함 (새로운 구분 기준을 발견할 가능성이 있음)

  ③ 강화학습 (Reinforcement learning): 상호작용(interaction)으로 학습

      ex) 아기의 학습 과정과 비슷하다: 어떤 행동을 하고 칭찬을 들으면 그 행동을 반복하려고 함.

 

딥러닝 (DL)

딥러닝은 기계 학습의 한 분야이다.

전통적인 기계 학습에서는 데이터로부터 사람이 중요한 특징을 잡아내고 이를 컴퓨터에 학습시켜 결과를 냈다면 (Input>Human>Computer>Output),

딥러닝에서는 중요한 특징을 잡아내는 것까지 컴퓨터가 수행한다 (Input>Computer>Computer>Output).

 

예를 들면, X-ray 사진을 보고 병의 유무를 알려주는 프로그램을 만들 때, 전통적인 기계 학습에서는 사람이 X-ray 사진에서 중요한 특징만 뽑고 이를 컴퓨터에 넣어 학습시킨다. 하지만 딥러닝에서는 그냥 사진만 넣어주면 컴퓨터가 스스로 중요한 특징을 뽑아서 학습한다.

 

즉, 딥러닝은 복잡한 데이터에서 중요한 핵심을 뽑아내도록 하는 학습이다.

 

최근 빅데이터가 확보되고, 하드웨어 및 알고리즘이 발전하면서 딥러닝이 각광받게 되었다.