[ AI ] 머신러닝 vs 딥러닝

AI ( Artificial Intelligence )  

즉, 인공지능은 말 그대로 인간의 지능처럼 고도의 문제 해결 능력을 가진 인공적 지능을 말한다.

 

이러한 AI의 하위 개념으로 머신러닝이 있고 그 머신러닝의 하위 모델로 딥러닝이 있다.

   

---

 

1. 머신러닝 ( Machine Learning : ML)

 : AI의 한 종류로 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습

 

학습 방식 :

 - 사람이 데이터에서 패턴 추출하는 방법 지시한 후 AI가 데이터의 특징을 분석하고 축적

 

종류 :

- 지도 학습 (Supervised Learning)

   > 지도 학습은 레이블이 지정된 데이터 세트에서 알고리즘을 훈련하는 방법

   > 입력 데이터와 해당 출력 데이터(레이블)로 구성되며, 알고리즘은 이를 통해 입력과 출력 사이의 관계를 학습

   > Tip! 사람이 AI에게 정답지를 주고 훈련시킨다고 생각하면 쉽다.

 

- 비지도 학습 (Unsupervised Learning)

   > 비지도 학습은 레이블이 지정되지 않은 데이터 세트를 분석하고 군집화하는 방법

   > 이 알고리즘은 인간의 개입 없이도 숨겨진 패턴이나 데이터 그룹핑을 감지

   > Tip! 지도 학습과 반대로 사람이 개입하지 않고 AI가 데이터 내에서 비슷한 패턴을 찾아 모아 결과를 예측하는 것

      ( 데이터가 너무 많아서 라벨링 하기 힘들 경우 주로 사용함)

 

- 준지도 학습 (Semi-Supervised Learning)

  > 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 방법

  > 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고, 표시되지 않은 데이터를 많이 가지고 있음

 

- 강화 학습 (Reinforcement Learning)

  > 행동을 수행하는 학습자가 어떤 행동을 해야 하는지 알지 못하는 상태에서 행동에 대한 보상을 극대화하기 위해 어떻게 행동해야 할 지 방향을 찾는 학습 방법

  > Tip! 알파고가 대표적인 강화 학습 모델이다.

 

---

2. 딥러닝 ( Deep Learning : DL)

: 머신러닝의 한 종류로 인공 신경망의 층을 연속적으로 깊게 쌓아올려 데이터를 학습

 

학습 방식 :

  - 사람이 데이터에서 패턴을 추출하는 과정 없이 AI가 스스로 경험중심으로 패턴을 추출해 학습 

 

장점 :

 - 복잡한 문제를 해결 가능

 - 대량의 데이터에서 유용한 정보를 추출하는 데 효과적

 

---

3. 머신러닝 과 딥러닝 차이점 

위의 머신러닝과 딥러닝 정리에 따르자면

ML > DL 로

DL은 ML의 하위개념이다.

 

DL은 사람의 개입이 없이 여러층의 인공신경망으로 스스로 패턴을 찾아낸다는 점에서 ML과 차이가 있다고 할 수 있겠다.