인공지능 AI, 머신러닝, 딥러닝이라는 용어가 어느순간 일상용어가 된것 같습니다.
오늘은 이들의 개념정리와 차이점에 대해서 공유하고자 합니다.
인공지능(영어: artificial intelligence 혹은 machine intelligence)은 인간의 지능을 구현하는 기능을 갖춘 컴퓨터 시스템이며, 인간의 지능을 기계 등에 인공적으로 구현하는 것이라고 합니다.
1940년대 후반과 1950년대 초반에 이르러서 수학, 철학, 공학, 경제등 다양한 영역의 과학자들에게서 인공적인 두뇌의 가능성이 논의되었고. 1956년에 이르러서, 인공지능이 학문 분야로 들어서게 됩니다.
인공 지능이라는 개념은 1956년 미국 다트머스 대학에 있던 존 매카시 교수가 개최한 다트머스 회의에서 처음 등장했으며 계속 논의, 발전되다가 2015년이후 하드웨어의 발전으로 폭발적으로 발전하고 있습니다.
다른 많은 기술들이 그렇지만 마찬가지로 영화에서 먼저 이 가능성을 예측했습니다.
이 영화의 각본은 스탠리 큐브릭과 아서 C. 클라크가 함께 작업했으며, 영화 개봉 직후 아서 C. 클라크의 동명 소설《2001: 스페이스 오디세이》을 발표했다고 합니다.
여기에서 인공지능 컴퓨터 HAL이 나옵니다.
인공지능의 궁극적인 목표는 인간과 같은 지능을 가진 컴퓨터의 개발입니다.
하지만 거기에 도달하기에는 아직 하드웨어적 소프트웨어적 자원이 부족한 현실이지만 최근 5년간 많은 성과를 내고 있습니다.
아직은 인간의 업무중 일부부분만 담당하는 자동화 시스템에 적용되고 있지만 영역은 확대되어 간다는것에 반대하는 사람들은 소수일것입니다.
그럼 머신러닝은 무엇인가? 딥러닝과 같은가? 다른가?
머신러닝, 딥러닝 차이점
머신러닝은 인공지능을 구현하기 위한 한분야로 데이이터로부터 학습을 통해 작업을 수행하는 방법을 컴퓨터에 가르칠수 있게 알고리즘을 개발하는 것입니다.
개,고양이 라벨을 주고 학습시킨후 개고양이 이미지를 찾는것을 말합니다.
여기에는 지도학습,비지도학습, 강화학습이 있다고 합니다.
Amazon의 맞춤식 제품 추천, Facebook의 안면 인식 또는 Google Maps의 빠른 경로 추천이 머신러닝을 통해서라고 합니다.
딥 러닝은 여러 층의 뉴런과 방대한 양의 데이터를 포함하는 ‘심층적인’ 신경망입니다. 신경망(즉, 인공 신경망)은 사람의 뇌에서 뉴런이 작동하는 방식과 유사하게 작동하도록 설계합니다.
인공지능이라는 것이 인간의 뇌와 같은 작동이 궁극적인 목적이므로, 이를 발현하기 위해서 인간의 신경망이라는 컨셉을 도입한것이라고 할수 있습니다.
국내에서는 특히 2016년 3월 바둑 두는 기계인 ‘알파고(AlphaGo)’가 대한민국의 이세돌 9단을 바둑으로 압승하면서 널리 알려졌습니다.
딥러닝은 머신러닝의 세부 방법론들을 통칭하는 용어라고 합니다
인공신경망에서 발전한 형태의 인공 지능으로, 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습합니다
구글의 알파고는 바둑의 기초를 배우고, 자신과 같은 AI를 상대로 반복적으로 대국을 벌이는 과정에서 그 신경망을 더욱 강화해 나갔습니다.
머신러닝과 가장 큰 차이점은 딥러닝은 분류에 사용할 데이터를 스스로 학습할 수 있는 반면 머신 러닝은 학습 데이터를 수동으로 제공해야한다는점이 딥러닝과 머신러닝의 가장 큰 차이점입니다.
궁극적으로 인공지능을 구현하기 위한 방법으로 머신러닝이, 딥러닝은 머신러닝을 구현하기 위한 또다른 방법론이라고 이해하면 될것 같습니다. 현재는 딥러닝이 대세이지만 또다른 방법론이 나와 인공지능의 개발을 획기적으로 발전시킬수도 있을지도요.