정재영

1일 1문제 푸는 중

학습 목표 : 인공지능, 머신러닝, 딥러닝에 대한 개념을 이해하고 각 기계학습의 관계를 정의한다.

✔️ 인공지능(Artificial Intelligence, AI) 이란?

인공지능(AI) 은 컴퓨터에서 음성 및 작성된 언어를 보고 이해하고 번역하고 데이터를 분석하고 추천하는 기능을 포함하여 다양한 고급 기능을 수행할 수 있는 일련의 기술입니다.

AI는 현대적인 컴퓨팅 혁신에서 중추적인 역할을 하며 프로세스를 자동화하고 대규모 데이터 세트에 대한 통계를 제공하여 개인과 비즈니스의 가치를 창출합니다. 스스로 창고를 탐색할 수 있는 로봇부터 스스로를 지속적으로 분석하고 개선하는 사이버 보안 시스템과 사람들이 말하는 내용을 이해하고 해당 정보에 따라 행동할 수 있는 가상 어시스턴트에 이르기까지 다양한 AI 사용 사례가 등장하고 있습니다.


Fig 1. AI의 70년 역사


과거의 AI 는 지식 공학(Knowledge Engineering) 즉, 사람이 머신러닝으로 학습할 함수와 데이터를 컴퓨터에게 직접! 입력하여 아웃풋을 얻었습니다.

반면, 최근 AI 는 데이터를 입력해 주고 기본적인 형태의 함수만 컴퓨터에게 알려주면 트레이닝 과정을 통해서 최종적인 optimal function, 굉장히 유용한 함수를 컴퓨터 스스로 학습합니다.


✔️ 머신러닝(Machine Learning, ML) 이란?

머신러닝(ML) 은 인공지능을 구현하는 한 가지의 방법입니다. 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하고 알고리즘을 연구하는 분야입니다. 인공지능의 하위 분야 중에서 지능을 구현하기 위한 소프트웨어를 담당하는 핵심 분야입니다. 머신러닝에는 회귀 분석(Regression Analysis), 의사결정 나무(Decision Tree) 등 여러 방법이 있습니다.

완벽한 머신러닝 방법은 없기 때문에 방법론마다 장단점을 살려서 다양한 문제를 해결할 수 있도록 해야합니다.

(1) 머신러닝의 필요성

  • 빅데이터
    • 빅데이터 시대에 살고있는 만큼 데이터를 이용하여 유용한 함수를 찾아야 함
    • 머신러닝은 주로 항공, 물류, Oil Exploration 등의 산업에 사용됨
  • 컴퓨터의 발달
    • 분산화된 컴퓨팅, 더 효율적이고 빠른 계산이 가능한 장비가 등장함
    • 기본적으로 우리가 쓰는 컴퓨팅 환경이라면 CPU Computing 환경
    • 최근들어 GPU Computing 기술을 이용해 딥러닝에서 좋은 알고리즘을 만들어 계산을 굉장히 효율적으로 할 수 있게 됨
    • 딥러닝에서 성공을 이루면서 기존에 있었던 다른 기본적인 머신러닝 알고리즘들도 GPU를 이용해 효율적인 계산에 관심을 갖게 됨
  • 기업의 활용 사례
    • 머신러닝은 항공, 운송, 물류, Chemicals 등 여러 산업에서 사용되고 있음

(2) 머신러닝의 주요 구성요소

  • 환경(Environment)
    • 학습 시스템은 환경과 상호 작용하여 경험을 축적
  • 데이터(Data)
    • 환경과 상호 작용하는 경험
  • 모델(Model)
    • 데이터의 패턴을 나타내는 함수
  • 성능(Performance)
    • 학습 시스템에 대한 평가 기준
    • 시스템의 성능을 최적화하여 문제 해결

(3) 머신러닝 적용 사례

  • 지도학습 : 타겟을 명확하게 예측
    • 예 : 상품의 시험 판매를 통한 실제 판매량 예측
  • 지도학습 클러스터링 : 타겟을 지정하여 샘플을 묶음줌
    • 예 : 보험분야 계약 이탈 위험이 높은 고객 집단의 판별
  • 시계열 분석 : 시간의 흐름에 따라 타켓을 예측
    • 예 : 유통 기업의 향후 10일동안 일자별 출하량 예측
  • 비지도학습 클러스터링 : 타겟을 지정하지 않아도 알아서 묶어줌
    • 예 : 금융 거래 내역 분석을 통한 부정 사기 행위 탐


✔️ 딥러닝(Deep Learning, DL) 이란?

딥러닝(DL) 은 머신 러닝의 특정한 한 분야로서 연속된 층(layer) 에서 점진적으로 의미 있는 표현을 배우는데 강점이 있으며, 데이터로부터 표현을 학습하는 새로운 방식입니다.

딥러닝이 각광 받는 이유는 인지능력, 지적능력을 모사하는데 있어 좋은 성능을 보이고 있기 때문입니다. 특히 비전 및 시각을 구현하는 것과 언어(language) 모델링, 스피치(speech) 등을 모델링하는데 사용되는 방식입니다.

(1) 딥러닝 적용 사례

  • 흑백 사진과 영상에 색 복원하기
  • CSI스타일의 픽셀 복원
  • 실시간으로 여러 사람의 움직임을 추정하기
  • 사진 설명하기
  • 실시간 행동 분석
  • 구글 번역기
  • 텍스트 읽기
  • 음성 생성, 음악 작곡, 비디오 소리 복원하기


✔️ AI > ML > DL 관계

가장 큰 기능, 광범위한 개념은 인공지능 이며 인간 지능을 모방하여 실제 문제를 해결하는 컴퓨터 시스템이다. 머신러닝 은 인공지능 방법 중 하나이며 샘플 데이터에서 패턴을 학습합니다. 딥러닝 은 인공신경망 기반의 기계 학습 방법 중 하나이다.

전통적인 머신러닝 기법은 주로 정형 데이터 를 다룹니다. 관계형 데이터베이스(Relational Database)나 엑셀 표로 정리되는 테이블 데이터를 생각하면 됩니다. 의사결정에 필요한 데이터를 사람이 정리해 기계에 알려주면 기계는 이 정보를 토대로 판단이나 예측을 합니다.

반면 딥러닝은 주로 비정형 데이터 를 다룹니다. 비정형 데이터란 지정된 방식으로 정리되지 않은 정보를 말하며 이미지, 비디오, 텍스트 문장이나 문서, 음성 데이터 등을 말합니다.


Fig 2. 인공지능 ⊃ 머신러닝 ⊃ 딥러닝


➕ CPU와 GPU 란?

CPU(central processing unit) 는 기본적인 연산과 계산을 도와주는 장치이며 GPU(Graphics Processing Unit) 는 3D 그래픽과 같이 현란한 그래픽을 처리할 수 있으며 많은 양의 데이터를 효율적으로 처리할 수 있는 장치입니다.

아래 Fig 2 그림을 보면 알 수 있듯이 CPU는 하나의 덧셈 연산, 하나의 곱셈 연산 등을 한 번에 하나씩 처리하는 개념이면 GPU는 여러 개의 태스크(task)들을 한 번에 처리하는 개념입니다.


Fig 3. CPU(왼쪽), GPU(오른쪽) 계산 속도 비교


✔️ Reference


👩🏻‍💻개인 공부 기록용 블로그입니다
오류나 틀린 부분이 있을 경우 댓글 혹은 메일로 따끔하게 지적해주시면 감사하겠습니다.

댓글남기기