Machine Learning / Deep Learning

 

 

 

 

 

 

지난 시간에 컴퓨터과학 분야에서의 인공지능에서도 다뤘듯, 학문 간의 포함관계는 다음과 같이 정의된다.

 

Deep Learning과 Machine Learning을 비교한다고 하면, 전통적인 Machine Learning과 Deep Learning을 비교하는 것으로 이해하자.

 

 

 

 

 

 

Machine Learning

 

기계가 스스로 학습을 한다.

 

Java C Python 등으로 수행하는 일반적인 프로그래밍이라면, 입력을 받고 규칙을 프로그래밍해 답을 출력하지만,

Machine Learning은 입력과 출력을 통해 규칙을 찾는 형식으로 진행한다.

 

수능 수학을 준비할 때, f(x)라는 함수는 문제에서 주어지고, 이 함수가 왜 이렇게 정의됐는지에 대해서는 생각할 필요가 없다.

머신러닝에서는 함수가 어떻게 정의되는지, 어떤 규칙이 있는지에 대한 학문이다.

 

그런데, 대충 학습시키면 제대로 작동하지 못하는 경우가 많다.

 

 

 

그림과 같이 자동차 안에 고양이가 타고 있을 때, 머신러닝을 통해 학습한 컴퓨터는 다음 그림을 고양이라고 해야 하나? 아니면 자동차라고 해야 하나?

 

 

 

 

 

 

Deep Learning

 

위와 같은 문제를 해결하기 위해 Deep Learning이 도입됐다.

 

 

 

 

딥러닝은 학습 단계와 추론 단계로 나뉘는데, 어떤 방식으로 동작하는지는 앞으로 차차 자세히 알아보자.

 

 

언제 머신러닝을 사용하는가?

 

1. 명시적 문제 해결의 부재.

 

2. 프로그래밍이 어려울 때

 

3. 지속적으로 변화하는 문제

 

어떻게 해결해야 할 지 모를 때 머신러닝을 사용한다.

숫자를 입력받고 오름차순 혹은 내림차순으로 정렬할 때는 버블 정렬이나 여러 가지 정렬 방법을 사용할 수 있다.

즉, 문제를 해결하기 위한 알고리즘이 존재하고 그 알고리즘을 프로그래밍 할 수 있는 상황인데, 이런 상황에서는 머신러닝을 사용하지 않는다.

인간은 어떻게 이미지를 인식할 수 있는가? 인간은 어떻게 영상을 인식할 수 있는가? 와 같은 논리적으로 설명할 방법이 없는 문제에 대해서 머신러닝을 사용한다. (데이터는 충분히 많고 편향되지 않아야 한다.)