인공지능 이론(2주차) - 머신러닝과 딥러닝

인공지능(AI), 머신러닝(ML), 딥러닝(DL)의 관계

인공지능 : 사고나 학습 등 인간이 가진 지적 능력을 컴퓨터를 통해 구현하는 기술

머신러닝 : 컴퓨터가 스스로 학습하여 인공지능의 성능을 향상 시키는 기술 방법

딥러닝 : 인간의 뉴런과 비슷한 인공신경망 방식으로 정보를 처리

 

인공지능이 가장 넓은 범위이며, 딥러닝이 가장 좁은 범위의 영역이라고 할 수 있다.

딥러닝은 머신러닝의 한 영역이다.

 

머신러닝

머신러닝은 태스크(T)에 대해 꾸준한 경험(E)를 통해 T에 대한 성능(P)를 높이는 것

- Tom M. Mitchell -

 

머신러닝은 지도학습, 비지도학습, 강화학습 3가지 분류로 학습방법이 존재한다.

지도학습

알고리즘에 주입하는 훈련 데이터에 레이블(Label)이라는 원하는 답을 함께 줘서 학습을 진행. 크게 분류와 회귀 문제로 나뉜다.

ex) 스팸 분류.

회귀 : 예측 변수라 부르는 특성을 사용해 타깃 수치를 예측

비지도학습

훈련 데이터에 레이블이 없는 경우를 비지도 학습이라고 말함. 레이블이 없기 때문에 학습 결과에 대한 평가가 어렵다.

군집화 : 비슷한 것끼리 그룹으로 묶음

강화학습

에이전트(학습하는 시스템)가 환경을 관찰하여 행동을 실행하고 보상 혹은 벌점을 받게 됨. 가장 큰 보상을 얻기 위한 정책을 스스로 학습

 

딥러닝

인간의 뇌 속 '뉴런'을 모방한 신경망을 겹쳐 대규모로 만든 머신러닝의 한 가지 방법(머신러닝의 분류 문제)이다. 이런 신경망을 인공신경망이라 한다.

- 딥러닝은 사람이 개입하는 과정을 없애고, 원본 데이터를 그대로 전달하면 딥러닝 알고리즘을 통해 데이터를 이해하고 인식하게 되는 것.

- 방대한 양의 데이터에 대한 계산 처리를 위해 연산 능력이 높은 하드웨어 필요(GPU)