[AI프로그래밍] 머신 러닝과 딥러닝#1 - 인공지능, 머신 러닝과 딥러닝

머신 러닝과 딥러닝

 

인공지능, 머신 러닝과 딥러닝

인공지능, 머신 러닝과 딥러닝

• 인공지능(Artificial Intelligence, AI)은 인간의 지능을 모방하여 사람이 하는 일을 컴퓨터(기계)가 할 수 있도록 하는 기술
• 인공지능을 구현하는 방법으로 머신 러닝(machine learning)과 딥러닝(deep learning)이 있음
• 인공지능과 머신 러닝, 딥러닝의 관계는 다음과 같음

 

인공지능 > 머신 러닝 > 딥러닝

 

인공지능과 머신 러닝, 딥러닝의 관계

이미지 출처 :딥러닝 텐서플로 교과서 서지영 지음

• 목적과 주어진 환경에 맞게 데이터를 분석하려면 머신 러닝과 딥러닝 차이를 명확하게 이해해야 함
• 머신 러닝과 딥러닝 모두 학습모델을 제공하여 데이터를 분류할 수 있는 기술
• 둘은 접근 방식에 차이가 있음

 

머신 러닝과 딥러닝 차이

이미지 출처 :딥러닝 텐서플로 교과서 서지영 지음

 

머신 러닝은 주어진 데이터를 인간이 먼저 처리(전처리) 함

이미지 데이터라면 사람이 학습(train) 데이터를 컴퓨터가 인식할 수 있도록 준비해 주어야 함

머신 러닝은 범용적인 목적을 위해 제작된 것으로 데이터의 특징을 스스로 추출하지 못함

이 과정을 인간이 처리해 주어야 하는 것이 머신 러닝

즉, 머신 러닝의 학습 과정은 각 데이터(혹은 이미지) 특성을 컴퓨터(기계)에 인식시키고 학습시켜 문제를 해결

반면 딥러닝은 인간이 하던 작업을 생략

대량의 데이터를 신경망에 적용하면 컴퓨터가 스스로 분석한 후 답을 찾음

구분	머신 러닝	딥러닝
동작원리	입력 데이터에 알고리즘을 적용하여 예측을 수행한다.	정보를 전달하는 신경망을 사용하여 데이터 특징 및 관계를 해석한다.
재사용	입력 데이터를 분석하기 위해 다양한 알고리즘을 사용하며, 동일한 유형의 데이터 분석을 위한 재사용은 불가능하다.	구현된 알고리즘은 동일한 유형의 데이터를 분석하는 데 재사용된다.
데이터	일반적으로 수천 개의 데이터가 필요하다.	수백만 개 이상의 데이터가 필요하다.
훈련 시간	단시간	장시간
결과	일반적으로 점수 또는 분류 등 숫자 값	출력은 점수, 텍스트, 소리 등 어떤 것이든 가능