[AI/딥러닝] 머신러닝과 딥러닝의 차이

작년 세미나에서도 했지만 맨날 까먹는.. 머신러닝과 딥러닝의 차이

출처ㅣ https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=dsjang650628&logNo=221864626337

- 우선은, 딥러닝은 머신러닝의 하위개념이다

둘다 인공지능이라고 말하기도 하고, 두 개념을 혼동해서 사용되기도 하지만 엄연히 다른 개념이다.

 

머신러닝

데이터를 구문분석하고 해당 데이터를 통해 학습한 후, 정보를 바탕으로 결정을 내리기 위해 학습한 내용을 적용하는 알고리즘

쉽게 이해하기 위해서, 예시를 들자면 주문형 음악 스트리밍 서비스를 들 수 있다. 

머신러닝 예시 

서비스에서 청취자에게 추천할 새 노래나 아티스트를 결정하기 위해 머신러닝 알고리즘은 청취자의 선호 사항을 음악적 취향이 비슷한 다른 청취자와 연관시킨다. 종종 간단히 AI 라고 불리는 이 기술은 자동화된 추천을 제공하는 많은 서비스에서 사용된다.

딥러닝

인간이 결론을 내리는 방식과 유사한 논리구조를 사용하여 데이터를 지속적으로 분석하도록 설계.

  여기서 사용되는 개념이 인공신경망이라는 계층화된 알고리즘을 사용한다.

  인공신경망이란, 인간 두뇌의 생물학적 신경망에서 영감을 얻어, 표준 머신 러닝 모델보다 훨씬 더 뛰어난 학습 프로세스를 제공한다. 

딥러닝 예시 

딥러닝의 쉬운 예시로는, 알파고를 들 수 있다. 

 

 

 

이해하고자 한다면, 딥러닝은 머신러닝에서 더 발달된 형태로 보면 될 것 같다.

우리 뇌의 복잡함과 정교함을 논리로 생각하여 스스로 결정하는 뇌의 구조처럼, 딥러닝을 이를 본따서 만든 알고리즘이다.

머신러닝이 다양한 정보를 학습시켜 최적의 모델을 도출하는 데에 있어 오류가 날 가능성이 있기에, 개발자 혹은 엔지니어들의 개입과 조정이 반드시 필요하다.

딥러닝의 경우, 알파고에서 봤듯이 훨씬 많은 양의 데이터(빅데이터)를 학습시키고, 스스로 최적의 결론을 찾아서 내고 그 결과 또한 정확도와 예측이 맞아떨어지는 것, 알파고에서 학습된 정보를 가지고 마스터와 시합을 겨루었을 때 마스터를 이긴 것은 그러니까, 과학의 경지에 올랐다고 말했던 이유이다.

 

만약, 시합에서 알파고가 졌다면 딥러닝이라고 하여 빅데이터를 학습을 시켰고, 다계층의 인공신경망을 활용하였지만, 아직까지 머신러닝의 단계를 벗어나지 못하였다고 판단내릴 수 있다. 하지만, 인간의 어떠한 개입없이 스스로 알파고가 그 정보를 가지고 복잡한 알고리즘을 통해 시합에서 이긴 것은, 딥러닝을 만든 원래의 의도대로 인간의 뇌의 구조를 어느정도 구현했다고 말할 수 있다.