인공지능과 머신러닝, 딥러닝의 관계

# 세줄요약 #

1. 인공지능: 보통의 사람이 수행하는 지능적인 작업을 자동화하기 위한 연구 활동
2. 머신러닝: 입력 데이터와 기댓값(해답 데이터)을 받아서 기대 출력에 가깝게 만드는 유용한 표현(representation)을 학습하는 것을 의미하며 인공지능을 만드는 방법 중 하나
3. 딥러닝: 신경망(Neural Network)이라는 연속된 층에서 데이터로부터 점진적으로 의미있는 표현을 학습하는 새로운 머신러닝 기법 중 하나

그림 1. 인공지능의 역사

 

# 상세 리뷰 #

 인공지능과 머신러닝, 딥러닝의 관계는 정리하면 아래의 그림 1과 같다. 즉 인공지능이랑 말 그대로 인공적인 지능을 연구하는 학문분야를 의미하고, 머신러닝은 데이터를 주었을 때 데이터 속에 담긴 표현(representation), 법칙(relation) 등을 스스로 학습하여 문제를 해결하는 인공지능의 방법 중 하나이고, 딥러닝은 이러한 머신러닝 기법 중에서 신경망(Neural Network)이라는 알고리즘을 사용한 기법을 의미한다.

• 딥(Deep)러닝이라 부르는 이유는 신경망 알고리즘은 이전에 사용되던 다른 머신러닝 알고리즘(예: SVM, Decision Tree 등등)에 비하여 층(Layer)을 깊게 쌓아서 만든 깊은 신경망(Deep Neural Network; DNN)을 사용하였기에 딥러닝이라 부른다.
• 이러한 딥러닝이 유명해진 이후, 딥러닝을 제외한 기존의 머신러닝 기법들은 얕은 러닝(Shallow Learning)이라 부르기도 한다.

그림 2. 인공지능과 머신러닝, 딥러닝의 관계. 인공지능은 지능적인 작업을 자동화하는 것을 연구하는 가장 큰 연구분야. 머신러닝은 인공지능의 여러 방법 중에서 기계 학습을 사용하는 방법. 딥러닝은 신경망을 사용하는 머신러닝의 기법 중의 하나.

 머신러닝이 기존의 다른 인공지능(예: Symbolic AI, 전문가 시스템) 또는 기존의 프로그래밍과 차별화 되는 가장 큰 특징은 기존의 프로그래밍은 인간이 모든 규칙을 다 알려준 뒤에 데이터를 넣어 해답을 얻는 방식이었다면, 머신러닝은 데이터와 해답을 알려주고 기계에게 그 규칙을 찾도록 하는 것이다. 이렇게 기계가 규칙을 찾고나면 찾은 규칙을 가지고 새로운 데이터들에 대한 해답을 찾는 역할을 수행시키는 것이다. 

그림 3. 머신러닝과 전통적인 프로그래밍의 차이. 머신러닝은 전통적인 프로그래밍과 달리 데이터와 해답을 받아서 그 속에 담긴 실행 규칙을 찾아낸다.

 딥러닝이 유명해진 것은 2012년 ImageNet(대규모 이미지 분류 대회)에서 토론토 대학의 제프리 힌튼(Geoffrey Hinton)이 지도하는 Alex Krizhevsky 팀이 딥러닝을 사용하여 우승한 이후(일반인들에게는 딥마인드의 알파고가 이세돌 9단을 이긴 이후)이나 사실 개념자체는 1950년대부터 연구[2]되고 있었으나 하드웨어와 웹의 발전으로 빅데이터 시대가 열리고, GPU의 발전으로 대용량 병렬연산이 가능해지면서 2010년대 이르러 딥러닝이 빛을 보기 시작했다.

 

# 연관글: 케라스 창시자에게 배우는 딥러닝 - 1. 딥러닝이란 무엇인가?

 

* 참고문헌:

1. 케라스 창시자에게 배우는 딥러닝 / 프랑소와 숄레 / 길벗

2. Kleene, S.C. (1956). "Representation of Events in Nerve Nets and Finite Automata". Annals of Mathematics Studies (34). Princeton University Press. pp. 3–41. Retrieved 17 June 2017.