딥러닝과 머신러닝의 차이가 뭘까

들어가고 싶었던 프로젝트 팀 중 딥러닝을 다룬다고 하였다. 모델을 학습시켜 학습모델을 만든다고 하였는데 생초보지만 배워보고 싶었다. ~지만, 지수팀으로 들어가서 수학적 논리부분을 더 공부하기로 하였다. 

 

인공지능 

인공지능은 기계를 지능적으로 만드는 과학이다.

기계는 문제를 해결할 때 알고리즘을 기반으로 문제를 해결하게 되는데, AI 알고리즘은 규칙이 생성되는 방식에서 기존 알고리즘과 차이가 있다고 한다. 기존 알고리즘은 개발자가 소프트웨어가 수신하는 각 유형의 입력값들에 대한 출력을 정의하는 특정 규칙을 설정하는 반면에 AI  알고리즘은 '자체 규칙 시스템' 을 구축하게 된다. 이는 AI 를 통해 컴퓨터가 사람에게 전적으로 의존했던 작업을 스스로 해결할 수 있음을 의미한다.

 

머신 러닝

인공지능의 하위 집합 개념인 머신러닝은 정확한 결정을 내리기 위해 제공된 데이터를 통하여 스스로 학습할 수 있다. 처리될 정보에 대해 더 많이 배울 수 있도록 많은 양의 데이터를 제공해야 한다고 한다. 즉, '빅데이터'를 통한 학습 방법으로 머신러닝을 이용할 수 있다. 머신러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 한다. 따라서 의사결정기준에 대한 구체적인 지침을 소프트웨어에 직접 코딩해 넣는 것이 아닌, 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 '학습' 시켜 작업수행방법을 익히는 것을 목표로 한다.

 

딥 러닝 

딥 러닝은 인공신경망에서 발전한 형태의 인공지능으로, 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습한다. 그러나 기본적인 신경망조차 굉장한 양의 연산을 필요로 하는 탓에 딥러닝의 상용화는 힘들었다. 그럼에도 슈퍼컴퓨터를 기반으로 딥러닝 개념을 증명하는 알고리짐을 병렬화하는 데 성공했다. 딥러닝은 훈련된 시스템의 이미지 인식 능력은 이미 인간을 앞서고 있으며 알파고를 예로 들 수 있다.

 

머신러닝과 딥러닝의 가장 큰 차이점은 

딥러닝은 분류에 사용할 데이터를 스스로 학습할 수 있는 반면에

머신러닝은 학습데이터를 수동으로 제공해야 한다~