머신러닝/AI 엔지니어가 되어보자

AI / 머신러닝 / 딥러닝

망나 2021. 10. 14. 22:04

 

https://www.viatech.com/en/2018/05/history-of-artificial-intelligence/

Artificial Intelligence

인간의 학습능력, 추론능력, 지각능력을에 인공적으로 구현하려는 컴퓨터과학의 세부분야  - 위키백과
A program that can think like human or act rationally  - Russell & Norvig

 

가장 먼저 연구가 시작된 분야로 머신러닝과 딥러닝을 포함하는 가장 폭 넓은 분야라고 할 수 있습니다. 

Russell 교수님은 다음 4가지 관점으로 AI를 정의하였고 각 관점에서의 AI를 해석하면 다음과 같습니다.

 

  • Acting Humanly
    Turing Test: 테스터는 컴퓨터와 사람에게 동일한 질문에 대한 답을 듣고 컴퓨터와 사람을 구분할 수 있는가?
    즉, 사람같이 행동(대답)함으로 이를 인공지능이라고 정의할 수 있습니다.

  • Thinking Humanly
    인지과학에서 연구되는 부분입니다. 즉 사람 뇌의 내부적인 동작 방식과 동일하게 동작하는 것이 인공지능이라고 정의하는 것 입니다.

  • Thinking Rationally
    논리학 / 논리적 추론의 관점에서의 인공지능에 대한 정의입니다. 즉 논리적으로 생각할 수 있다면 인공지능이라고 정의하는 것 입니다. 

  • Acting Rationally
    기대 효용을 최대화 하는 것에 대한 관점입니다. 우리 엔지니어의 마인드셋과 비슷하게 어떤 프로세스의 최적화 또는 효율화의 관점으로 인공지능을 정의하는 것 입니다.

 

전통적인 AI 알고리즘

  • Rule-based System
  • Search Algorithms
  • Propositional Logic
  • First-Order Logic
  • Planning

 

 

Machine Learning

인공지능의 한 분야로 간주된다. 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다.  -위키백과

 

머신러닝은 인공지능의 한 세부 분야로 컴퓨터에게 특정 업무에 대한 규칙들을 부여하고 스스로 업무를 해결하는 방법을 알아내도록 하는 것 입니다. 쉽게 말해 컴퓨터는 기본적으로 아무 지식 없이 시작하여 데이터를 기반으로 여러번의 학습을 거쳐 최적의 솔루션을 찾아냅니다. 

많은 데이터를 학습할수록 더 다양한 상황에서의 문제 해결 방법을 학습하기 때문에 학습 데이터가 많을수록 성능이 향상됩니다. (당연히 데이터가 신뢰할 수 있을 때를 말합니다. 아무리 많은 데이터가 있어도 데이터 자체가 신뢰할 수 없다면 모델의 성능은 보장할 수 없습니다.)

 

대표적인 알고리즘

  • Linear regression
  • Decision tree
  • K-means Clustering
  • Neural Network

 

 

Deep Learning

사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야라고 이야기할 수 있다.  -위키백과

 

딥러닝은 머신러닝의 세부 분야로 볼 수 있습니다. 여러가지 문제들(하드웨어와 알고리즘)에 의해 Neural Network에 더 많은 층을 쌓는 것에 한계가 있었으나 시간이 흐름에 따라 문제들이 해결(Big data, GPU의 발전) 되고 더욱 깊게(Deep) 층을 쌓을 수 있게 되었고 이러한 방향의 연구를 Deep Learning이라고 합니다.

 

대표적인 알고리즘

  • Deep Neural Network
  • Convolutional Neural Network
  • Recurrent Neural Network

 

머신러닝과의 또 다른 차이점으로는 아래 보이는 것과 같이 머신러닝의 경우 사람이 직접 학습할 데이터의 feature를 추출하였다면 딥 러닝은 학습할 feature를 데이터로부터 추출하는 작업 "feature extraction"까지 기계가 직접 한다고 볼 수 있습니다.

 

자율 주행을 예로 들자면 신호등에서 빨간불일때 멈추는 동작을 학습시키기 위해서 머신러닝에서는 빨간불에서 멈춘다는 데이터를 사람이 직접 만들어서 학습 시켰다면 딥러닝에서는 사람이 직접 운전할때 촬영된 영상 자체를 학습 데이터로 활용하여 컴퓨터가 직접 빨간불일때는 멈춘다는 것을 학습하며 이 과정에서 신호 색깔에 따른 행동 방식에 대한 feature를 추출한다고 할 수 있습니다.

 

https://semiengineering.com/deep-learning-spreads/

 

'머신러닝 > AI 엔지니어가 되어보자' 카테고리의 다른 글

머신러닝 기본  (0) 2021.10.17