머신러닝(Machine learning)은 말 그대로 기계 학습을 말합니다. 즉 컴퓨터가 입력된 데이터를 통해 경험하여 학습하도록 프로그램 기법입니다. 딥러닝(Deep learning)은 인간의 두뇌가 신경 세포를 사용하는 것처럼 인공 신경망과 연결되어 학습하도록 하는 프로그램 기법 중 하나이며 머신러닝의 한 분야입니다.
머신러닝과 딥러닝은 인공지능(AI)을 인간의 두뇌처럼 학습시키기 위한 프로그램 기법을 말합니다. 즉, AI가 가장 상위에 있다면 그 하부에 머신러닝이 있고 머신러닝 안에 딥러닝이 있는 구조이죠.
머신러닝이란?
머신러닝은 컴퓨터가 경험을 통해 학습하도록 교육하는 프로그램 기법입니다. 머신러닝 알고리즘은 이미 정해진 수식 등의 데이터를 사용하지 않고 데이터를 직접 받아들여 학습하는 방식입니다. 이런 방식이다 보니 데이터가 많으면 많을수록 머신러닝의 성능이 점점 발전됩니다.
머신러닝은 지도 학습과 비지도 학습 형태를 사용합니다. 지도 학습은 한마디로 답이 있는 학습을 말합니다. 미래의 결괏값을 미리 예측할 수 있도록 알려진 입력 데이터와 출력 데이터로 훈련을 시키는 것입니다.
예를 들어 토끼 이미지를 보여주고 이 동물이 어떤 종에 속하며 토끼털의 색은 무엇인지 등 이러한 답이 있는 학습입니다. 반면에 비지도 학습은 토끼를 포함하여 수많은 동물 사진을 보여주고 동물들을 종별로 분류하는 등 정답과 오답 등의 같은 답이 없는 학습입니다.
딥러닝이란?
딥러닝은 머신러닝 기법에 포함된다고 보면 됩니다. 즉 딥러닝은 머신러닝의 하위 학습 프로그램입니다. 딥러닝은 그만큼 세부 적고 복잡한 인공신경망을 사용하여 데이터를 학습합니다.
딥러닝은 그림, 이미지, 텍스트, 사운드 등으로부터 분류 작업 방법을 학습합니다. 딥러닝 기법으로 인해 인간의 능력을 넘는 정확도에 가까운 결과를 보여주기도 합니다.
딥러닝의 작동 방식은 인공신경망을 사용하는데 여기서 인공신경망은 인간의 두뇌 뉴런과 유사한 정보의 입력과 출력을 활용한 것입니다. 이는 블랙박스 형태로 데이터를 입력하면 자동으로 복잡한 수식 모델이 만들어지는 기법입니다.
머신러닝과 딥러닝의 차이
머신러닝은 알고리즘이 부정확한 예측을 보이면 엔지니어가 직접 개입하여 조정해야 합니다.
반면에 딥러닝은 알고리즘 자체 신경망을 통해 예측 정확성 여부를 직접 판단하고 추상적인 정보를 학습하는데 능력이 뛰어납니다. 그래서 머신러닝과는 다르게 토끼와 새를 식별할 수 있습니다.
머신러닝은 토끼인지 새인지를 식별하기 위해 미리 엔지니어가 정의를 내린 상태로 학습을 시켰다면 딥러닝은 토끼의 데이터와 토끼가 아닌 데이터들이 주어지면 자동으로 토끼인지 새인지를 모아서 분류합니다.
그래서 많은 양의 데이터가 주어질 경우 딥러닝을 사용하고 그렇지 않은 경우에 머신러닝을 사용하는 것이 효율적이라고 할 수 있습니다.
머신러닝 및 딥러닝 적용 사례
머신러닝의 대표적인 적용 사례는 이미지 및 사진을 분석하여 분류하는 시스템, 뇌를 스캔하여 종양 여부를 판단하는 시스템, 자동으로 게시글을 분류하는 시스템, 음성 명력에 반응하는 프로그램, 데이터를 그래프로 시각화하는 프로그램, 과거 구매한 이력과 관심상품, 찜목록 등을 분석하여 상품을 추천하는 시스템 등입니다.
위와 같은 적용 사례는 이미지 검색 등의 세부 검색 시스템, AI스피커, 종양 등을 판독하는 의료기기, 온라인쇼핑몰 등에 적용됩니다.
딥러닝의 대표적인 적용 사례는 가장 유명한 구글의 알파고, 무인주행 자동차, 얼굴 인식 시스템, 이미지 및 음성 인식 시스템 등에 적용됩니다.
이렇게 딥러닝은 머신러닝에서 좀 더 구체적이고 복잡한 데이터를 보여주기 위한 학습 방법 즉 인간의 두뇌에 최대한 가깝게 지능화시키기 위한 기법이므로 머신러닝이 적용된 사례 중에서 좀 더 자세하고 복잡한 기술을 구현해야 할 경우 딥러닝을 적용하는 것입니다.
결론적으로 정리하면,
머신러닝과 딥러닝은 인공지능(AI)을 인간의 두뇌처럼 학습시키기 위한 프로그램 기법을 말합니다. 머신러닝 알고리즘은 이미 정해진 수식 등의 데이터를 사용하지 않고 데이터를 직접 받아들여 학습하는 방식입니다. 반면에 딥러닝은 세부적이고 복잡한 인공신경망을 사용하여 데이터를 학습하는 방식으로 머신러닝의 하위 개념입니다.
머신러닝은 알고리즘이 부정확한 예측을 보이면 엔지니어가 직접 개입하여 조정해야 합니다. 반면에 딥러닝은 알고리즘 자체 신경망을 통해 예측 정확성 여부를 직접 판단하고 추상적인 정보를 학습하는데 능력이 뛰어납니다.