(Beginner) A.I vs M.L vs Deep Learning

A.I vs Machine Learning vs Deep Learning

이 세 개념의 차이는 무엇일까?

먼저, 그림으로 보고 시작하자.

 

 

위 그림만으로도 어느 정도는 세 개념의 관계와 차이를 알 수 있을 것이다.

그럼 이제 각 개념이 어떤 것인지 알아보자.

(단, 여기서는 깊고 심도있는 내용이 아닌 "아 이런 느낌이구나?" 하는정도의 내용을 다룰 것이다.)

 

1. A.I 

Artificial Intelligence의 약자로서, 단어 그대로 인공적으로 만들어진 지능을 의미한다.

즉, 인간의 지적 능력인 "학습, 추론, 지각 등"의 기능을 컴퓨터가 할 수 있도록 만드는 기술을 폭넓게 의미한다.

 

 

2. Machine Learing

A.I의 하위분야 중 하나로 "기계학습"이라고도 한다.

즉, 데이터를 통해 컴퓨터가 "스스로" 학습할 수 있는 알고리즘을 만드는 분야이다.

 

EX)

컴퓨터가 수많은 사진을 보고 스스로 공부하여,  새로운 사진을 보았을 때,

사람의 사진인지 강아지의 사진인지를 구별할 수 있는 기술이다.

 

 

3. Deep Learning

머신 러닝의 하위분야로 기계를 학습시키는 방법 중 하나이다.

사람의 뇌가 학습하는 방법에서 고안한 인공신경망(ANN, Artificial Neural Network)을 기반으로 구축된 기술을 말한다.

 

---

여기서, 한 가지 의문이 생길 수 있다.

 

Machine Learning과 Deep Learning 모두 기계를 학습시키는 것이라면, 
같은 게 아닌가? 어떤 점이 다를까?

 

 

 

흔히,  요즘에는 Machine Learning = Deep Learning으로 생각하는 사람이 많다.

그 이유는 최근 딥러닝이 머신러닝의 여러 기법 중 가장 좋은 결과를 내고 있어,  머신러닝의 방법으로 대부분 딥러닝을 사용하기 때문이다.

 

그러나 둘은 다른 개념이므로 무엇이 다른지 알아보자. 

 

 

차이는 "컴퓨터에게 학습 방법을 알려주는가?"이다.

 

예를 들어 사람과 강아지 사진을 구별하는 법을 컴퓨터에게 알려준다고 하자.

 

 

머신러닝의 경우 

: 사진 제공과 함께 사람과 강아지의 차이(귀의 모양, 자세, 얼굴의 윤곽 등)를 사람이 컴퓨터에게 알려주고 학습을 시킨다.

 

 

딥러닝의 경우

: 사진만을 보여주고 사람과 강아지 사진의 차이를 컴퓨터가 직접 알아내 학습하는 방법이다.

 

 

---

 

 

여기서, 한 가지 더 이야기하자면

Deep Learning은 왜 비교적 최근에 들어 유행할까???

 

 

사실 딥러닝의 첫 개념은 무려 40년 전인 1980년대 고안된 방법이며,  매우 뛰어난 결과를 보이는 기술이다.

그러나 딥러닝은 뛰어난 만큼 컴퓨터가 이 방법을 사용하기 위해서는 상당한 수준의 컴퓨터 성능이 필요하다.

(마치 머리가 좋을수록 어려운 공식을 잘 이해하고 적용하는 것처럼 말이다.)

과거 컴퓨터의 성능은 지금 같지 못하였고, 그런 컴퓨터로 딥러닝을 사용하기에는 너무 많은 시간과 비용이 필요로 했다. 그로 인해 딥러닝은 점차 사람들에게 외면받게 되었었다. 

하지만 이제 컴퓨터의 성능이 비약적으로 향상하면서 자연스레 딥러닝의 시대가 시작된 것이다.