디지털 혁명을 가져온 IT(정보공학 기술), 유전자 조작의 길을 연 BT(생명공학 기술)에 이어 무한한 연산과 자기 학습 능력을 갖춘 AI(인공지능)가 등장하면서 세상이 바뀌고 있습니다.
인공지능의 지능이 계속 높아지고 있고 안 쓰이는 곳이 없을 정도로 기능 또한 발전이 빨라지고 있습니다. 인공지능(AI) 분야에서 최근 이슈가 되고 있는 머신러닝과 딥러닝에 대해 알아보겠습니다.
머신러닝 (Machine learning)
- 머신러닝이란?
인간이 다양한 경험과 시행착오를 통해 지식을 배우는 것처럼 컴퓨터에게 충분히 많은 데이터를 주고 거기에서 일반적인 패턴을 찾아내게 하는 방법을 말합니다. 한마디로 컴퓨터가 데이터를 학습하여 패턴을 파악하고 예측하는 기술을 말합니다.
- 머신러닝의 적용
머신러닝은 컴퓨터 과학을 포함한 이미지 인식, 음성 인식, 자연어 처리, 추천 시스템 등에서 활용되고 응용되어지고 있습니다.
- 머신러닝의 활용
의료 분야에서는 환자의 진단과 치료 계획을 도출하고 금융 분야에서는 사기 탐지와 신용 평가를 수행합니다. 그리고 제조, 물류, 에너지 등 다양한 산업에서도 활용됩니다.
딥러닝 (Deep learning)
- 딥러닝이란?
머신러닝의 한분야입니다.
인공신경망(ANN: artificial neural network)을 이용하여 데이터를 학습하고 패턴을 찾아내는 기술입니다. 머신러닝의 한 분야로서 머신러닝보다 더 복잡하고 방대한 데이터를 다룰 수 있어 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시킵니다.
인공신경망(ANN : Artificial Neural Network)
사람 또는 동물 두뇌의 신경망에 착안하여 구현된 컴퓨팅 시스템의 총칭.
(인간이나 동물의 두뇌를 구성하는 생물학적 신경 네트워크를 모사하여 동일한 방식으로 문제를 해결하는 수학적 방법입니다.)
- 딥러닝의 적용
음성, 이미지 인식과 사진 분석 등 광범위하게 활용되며 유명한 구글 알파고도 딥러닝 기술에 기반한 프로그램입니다.
- 딥러닝의 활용
이미지 인식 분야에서는 사물 인식, 얼굴 인식, 자율 주행 등 음성 인식 분야에서는 음성 인식, 음성 합성, 음성 번역 등에 활용되며 문장 생성, 기계 번역, 감성 분석 등에 활용됩니다.
머신러닝과 딥러닝의 차이점
딥러닝은 머신러닝의 하위 개념입니다.
머신러닝은 데이터를 이용하여 스스로 학습하고 문제를 해결하는 기술이며 딥러닝은 머신러닝의 한 분야로, 인공신경망을 이용하여 더 복잡하고 방대한 데이터를 다룰 수 있는 기술입니다.
위에서 설명드린 내용대로 머신러닝과 딥러닝은 데이터의 복잡도와 처리방식의 차이점이 있습니다. 머신러닝이 통계학적인 방법을 이용하여 데이터를 처리한다면 딥러닝은 인공신경망을 이용하여 데이터를 처리합니다. 따라서 딥러닝은 머신러닝보다 더 복잡하고 방대한 데이터를 다룰 수가 있으며 다양한 분야에서 높은 성능을 보입니다. 그리고 딥러닝은 머신러닝보다 더 많은 계산 리소스와 데이터를 필요로 하기에 학습시간과 비용이 많이 듭니다.
둘의 기능을 한마디로 요약하자면,
AI 알고리즘이 부정확한 예측을 반환하면 엔지니어가 개입하여 조정을 하는게 머신러닝이라면 딥 러닝은 알고리즘이 자체 신경망을 통해 예측의 정확성 여부를 스스로 판단할 수 있습니다.
인공지능과 미래
인공지능 이야기를 하고 있으면 인간과 기계의 결합에 의한 트랜스휴먼의 등장을 기정사실화하고 사이보그를 미래 인간의 모델로 간주합니다. 인간의 능력치를 넘어서는 기계의 등장은 그 누구도 알 수 없는 결과를 상상하기도 합니다.
SF 영화에서의 인공지능은 종종 인간을 대체하거나 지배하는 등 부정적인 이미지로 그려지기도 합니다만 현실에서 우리 모두가 바라는 인공지능의 기술은,
인간과 인공지능이 상호보완적으로 협력하여 더나은 세상을 만들어 나가야 하며 인공지능 기술의 발전에 따라 인간의 일부 역할이 대체될 수 있지만 새로운 일자리와 산업은 계속 생겨 나며 인간의 창의성과 창조력이 더욱 중요 해질 것입니다.