학습 목표 :
- 인공지능, 머신러닝, 딥러닝의 관계를 파악할 수 있다.
- 딥러닝의 장단점, 활용 분야를 안다.
1.1 인공지능, 머신러닝, 딥러닝
인공지능, 머신러닝, 딥러닝 모두 근 3년간 (주관적인 생각이다.) 핫한 키워드다. 특히 딥마인드의 알파고가 이세돌 9단을 이겼다는 것을 기점으로 국내에도 인공지능 열풍이 불기 시작했다고 생각한다. 그런데 이 세 단어에 관심 있는 사람은 많지만 정확하게 아는 사람은 별로 못 본것 같다. 차이가 뭘까? 하나씩 살펴보자.
<그림 1-1 인공지능의 정의>
그림 1-1은 구글에 인공지능의 정의를 검색한 결과이다.
인공지능은 아주 포괄적인 의미로, 머신러닝 딥러닝 할 것 없이 사람이 기계를 이용해 지능을 만들면 다 인공지능이다.
(지능의 정의가 좀 애매하긴 하지만 여기선 논외로 한다.)
머신 러닝(Machine Learning)은 인공지능의 한 분야로, 기계(Machine)가 스스로 학습(Learn)하는 것을 말한다.
스스로 학습한다는 것이 매우 중요한 포인트인데, 다른 인공지능 분야는 스스로 학습하는 게 아니라 사람이 일일히
알려줘야 한다. 하지만 머신 러닝 만큼은 데이터를 가지고 스스로 학습한다.
마지막으로 딥러닝(Deep Learning)은 인공신경망(Artificial Neural Network)을 통해 학습하는 머신 러닝의 한 분야이다.
여기서 말하는 인공신경망은 사람의 신경계를 모방했다는 의미로, 컴퓨터로 신경세포(뉴런)을 만들었다는 의미이다.
<그림 1-2. 인공지능-머신러닝-딥러닝 관계도>
1.2 딥러닝의 장단점과 활용 예시
딥러닝의 장점 :
- 다른 머신 러닝 분야의 경우, 데이터의 특징을 뽑는 프로그램을 따로 만들어야 하는데, 딥러닝은 그럴 필요가 없다.
즉, 데이터만 넣으면 알아서 학습한다.
딥러닝의 단점 :
- 데이터가 부족한 경우 좋은 성능을 내기 어렵다.
활용 예시 :
- 이미지 인식 (주로 CNN)
- 자연어 처리
- 염기 서열 분석
- 바둑, 체스
댓글