머신러닝이란 무엇인가요? 딥러닝이란 무엇인가요? AI, 머신러닝, 딥러닝의 차이점

최근 4.0 산업혁명이 폭발적으로 확산되면서 인공지능 (AI), 머신러닝, 딥러닝 등의 용어가 점차 대중화되고 있으며, 4.0시대 시민들이 꼭 알아야 할 개념이 됐다.

이 세 가지 개념의 관계는 원으로 상상하면 설명할 수 있는데, 가장 먼저 등장한 아이디어인 AI가 가장 큰 원이고, 그 다음으로 나중에 등장한 개념인 머신러닝, 마지막으로 이를 주도하는 딥러닝이 그 뒤를 잇는다. 현재 AI 붐은 가장 작은 원입니다.

AI, 머신러닝, 딥러닝의 연결

AI 시스템을 구축하는 것은 물론 매우 복잡하지만 이해하는 것은 그리 어렵지 않습니다. 현재 대부분의 인공 지능은 정말 좋은 추측 기계(추측 기계, 우리의 두뇌와 유사)일 뿐입니다. 시스템에 일련의 데이터(예: 숫자 1~10)를 제공하고 시스템에 모델링(0부터 시작하는 x + 1)을 요청하고 예측합니다. (다음 숫자는 11이 될 것입니다.) 마법은 없습니다. 이것이 인간의 뇌가 매일 하는 일입니다. 우리가 아는 것을 사용하여 우리가 모르는 것을 추측하는 것입니다.

AI가 다른 컴퓨터 프로그램과 다른 점은 사례별로 특정 프로그램을 만들 필요 없이 AI(머신러닝)를 완벽하게 가르칠 수 있고, 자동으로 딥러닝을 할 수 있는 기능도 있다는 점이다. 이 세 가지 개념은 기본적으로 다음과 같이 정의될 수 있습니다.

인공지능(AI): 인간의 행동과 사고를 모방할 수 있는 기계.

머신러닝(Machine Learning): 전문가가 AI를 훈련시켜 데이터 패턴을 인식하고 예측할 수 있도록 하는 AI 기능입니다.

딥 러닝(Deep Learning): 기계가 스스로 훈련할 수 있게 해주는 작은 기계 학습 기술입니다.

AI, 머신러닝, 딥러닝의 관계

• AI란 무엇인가?
  • 인공 지능 - 기계 형태의 인간 두뇌
• 머신러닝이란 무엇인가요?
  • 머신러닝 - AI에 대한 접근 방식
• 딥러닝이란 무엇인가요?
  • 딥 러닝 - 기계 학습 기술
• 끝내다

AI란 무엇인가?

인공 지능 - 기계 형태의 인간 두뇌

AI는 지능적인 행동의 자동화와 관련된 컴퓨터 과학의 한 분야로 정의될 수 있습니다 . AI는 컴퓨터 과학의 일부이므로 해당 분야의 견고하고 적용 가능한 이론적 원리를 기반으로 해야 합니다. 쉽게 말하면 인간이 만든 기계의 지능이다. 이 지능은 인간 지능처럼 생각하고, 생각하고, 배울 수 있습니다. 인간보다 더 크고, 더 확장되고, 체계적이고, 과학적이고, 더 빠른 수준으로 데이터를 처리합니다.

그러나 현재 AI 기술에는 여전히 많은 한계가 있습니다. 예를 들어 , 인공 지능 응용 프로그램의 가장 인기 있는 상징 중 하나인 훌륭한 가정부 Alexa 는 여전히 Turing 테스트를 통과하지 못합니다.

요컨대, 오늘날 우리가 AI로 하고 있는 일은 "Narrow AI"라는 개념에 속합니다. 이 기술은 인간과 유사하거나 인간보다 더 나은 특정 작업을 수행할 수 있습니다. 실제로 "좁은 AI"의 예로는 Pinterest의 이미지 분류 기술이나 Facebook 에서 친구를 태그하는 얼굴 인식 등이 있습니다 .

이러한 기술은 인간 지능의 일부 측면을 보여 주지만 어떻게 달성됩니까? 그 지혜는 어디에서 오는가? 다음 원은 기계 학습입니다.

머신러닝이란 무엇인가요?

머신러닝 - AI에 대한 접근 방식

머신러닝은 컴퓨터가 수행하는 작업을 개선하도록 컴퓨터를 가르치는 행위를 가리키는 광범위한 용어입니다. 보다 구체적으로, 머신러닝은 해당 작업을 여러 번 완료한 후 컴퓨터의 작업 성능이 향상되는 모든 시스템을 의미합니다. 즉, 머신러닝의 가장 기본적인 능력은 알고리즘을 사용하여 이용 가능한 정보를 분석하고, 그 정보로부터 학습한 후 관련 사항에 대한 결정이나 예측을 내리는 것입니다. 특정 작업을 수행하기 위한 자세한 작업과 지침이 포함된 소프트웨어를 만드는 대신, 컴퓨터는 작업 수행 방법을 배우기 위해 데이터와 알고리즘을 사용하여 "훈련"됩니다.

머신러닝이 없다면 현재 AI는 명시적으로 프로그래밍하지 않고도 컴퓨터에 사물을 파악할 수 있는 능력을 제공하기 때문에 상당히 제한적일 것입니다. 기계 학습 유형의 예로 사진에서 고양이를 식별할 수 있는 프로그램이 필요하다고 가정해 보겠습니다.

• 먼저, 털 색깔, 체형, 크기 등 기계가 인식할 수 있는 일련의 고양이 특성을 AI에 제공합니다.
• 다음으로 AI에 일부 이미지를 입력하면 이미지의 일부 또는 전체에 "고양이"라는 라벨이 지정되어 기계가 고양이와 관련된 세부 정보와 특징을 보다 효과적으로 선택할 수 있습니다.
• 기계가 고양이에 대해 필요한 모든 데이터를 수신하면 사진에서 고양이를 찾는 방법을 알아야 합니다. "이미지에 X, Y 또는 Z의 특정 세부 정보가 포함되어 있으면 고양이일 가능성이 95%입니다. ."

일반적으로 오늘날 머신러닝의 적용은 매우 인기가 높으며 그 유용성은 논쟁의 여지가 없습니다.

딥러닝이란 무엇인가요?

딥 러닝 - 기계 학습 기술

지금까지 AI는 많은 발전을 이루었다고 할 수 있습니다. 인간의 두뇌가 할 수 있는 것과 같은 방식으로 데이터를 처리할 수 있는 심층적인 " 신경망 " 을 갖춘 일종의 기계 학습이라고 생각하세요 . 여기서 가장 큰 차이점은 인간이 고양이가 어떻게 생겼는지 딥러닝 프로그램을 가르칠 필요가 없고, 필요한 고양이 이미지를 모두 제공하면 스스로 학습한다는 점입니다. 수행할 단계는 다음과 같습니다.

• 기계에 고양이 사진을 많이 주세요.
• 알고리즘은 사진을 검사하여 사진 간의 공통적인 특징과 세부 사항을 확인합니다.
• 각 사진은 크고 일반적인 모양부터 작고 작은 셀에 이르기까지 다양한 수준에서 자세히 디코딩됩니다. 모양이나 선이 여러 번 반복되면 알고리즘은 이를 중요한 특징으로 표시합니다.
• 충분한 이미지를 분석한 후 알고리즘은 이제 어떤 샘플이 고양이에 대한 가장 명확한 증거를 제공하는지 파악하고 인간이 해야 할 일은 원시 데이터를 제공하는 것뿐입니다.

간단히 말해서, 딥 러닝은 기계가 스스로 학습하는 일종의 기계 학습입니다. 딥러닝에는 머신러닝에 비해 훨씬 더 많은 입력 데이터와 컴퓨팅 파워가 필요하지만 페이스북, 아마존 등 대형 기술 기업에서 도입하기 시작했다. 그중 머신러닝 분야에서 가장 유명한 이름 중 하나는 수많은 세계 챔피언을 이길 만큼 가장 정확한 수를 예측할 수 있을 때까지 바둑을 스스로 대결할 수 있는 컴퓨터인 AlphaGo입니다.

끝내다

딥러닝은 인공지능의 전반적인 분야를 확장하는 동시에 실제 기계 문제의 많은 적용을 가능하게 했습니다. 딥 러닝은 모든 종류의 보조 기계가 인간과 유사하거나 동일하게 작동할 수 있게 함으로써 인간이 일하는 방식을 파괴합니다. 무인 자동차, 더 나은 인간 건강 관리... 이 모든 것이 오늘날 실현됩니다. AI는 세계의 현재이자 미래이다. 딥러닝의 도움으로 AI는 우리가 오랫동안 상상해 왔던 공상과학의 꿈을 실현할 수 있습니다.

더보기:

• 인공지능(AI) 프로그래밍 학습을 시작하는 6단계
• 무료 온라인 AI 강좌 모음
• 블록체인이란 무엇입니까? 블록체인은 어떻게 작동하나요?
• 60년 이상의 인공지능 개발 역사에서 중요한 이정표를 검토