머신러닝(Machine Learning)은 무엇일까? - 왜 중요한가?

머신러닝이란 무엇인가?

 

머신러닝(machine learning)은 인공지능(AI)과 컴퓨터 과학의 한 분야로, 인간이 배우는 방식을 모방하기 위해 데이터와 알고리즘을 집중적으로 사용함으로써 그 정확도를 점차 향상한다. 향후 몇십 년 동안, 머신러닝 등의 기술 발전은 넷플릭스의 추천 알고리즘이나 자율주행 자동차와 같이 오늘날 우리가 알고 있는 몇몇 혁신적인 서비스들을 만든다.

 

머신러닝을 얘기하면 항상 따라오는 개념이 있는데 바로 딥러닝이다. 머신러닝과 딥러닝은 비슷하면서 다른데 딥러닝이 훨씬 세부 개념이라고 생각하면 된다. 그럼 머신러닝과 딥러닝의 차이점은 무엇일까?

AI-머신러닝-딥러닝

 

머신러닝과 딥러닝의 5가지 주요 차이점

 

1. 인간의 개입

머신러닝은 지속적인 인간의 개입이 필요하다. 딥러닝은 설정하기가 더 복잡하지만 그 이후에는 사람이 개입을 하지 않아도 된다.

 

2. 하드웨어

머신러닝은 딥러닝 알고리즘보다 덜 복잡한 경향이 있고 기존 컴퓨터에서 실행할 수 있는 경우가 많지만 딥러닝 시스템은 훨씬 더 강력한 하드웨어를 필요로 한다. 

 

3. 시간

머신러닝 시스템은 빠르게 설정하고 작동할 수 있지만, 결과가 제한적일 수 있다. 딥러닝 시스템은 설정하는 데 더 많은 시간이 걸리지만 즉각적으로 결과를 창출할 수 있고 더 많은 데이터를 사용할 수 있게 되면 시간이 지남에 따라 품질이 개선될 가능성이 있다.

 

4. 알고리즘

머신러닝은 구조화된 데이터를 필요로 하고 전통적인 알고리즘을 사용한다. 딥러닝은 신경망을 채용하며, 대량의 비정형 데이터를 수용하도록 구축된다.

 

5. 사용되는 곳

머신러닝은 이미 당신의 이메일 받은 편지함, 은행, 그리고 진료실에서 사용되고 있다. 딥러닝 기술은 자율주행차나 첨단 수술을 수행하는 로봇처럼 더욱 복잡하고 자율적인 프로그램을 가능하게 한다.

 

딥 러닝 vs 머신러닝 - 어떤 차이점이 있을까?

 

 

머신러닝 작동 방식

 

머신러닝 알고리즘의 학습 시스템을 3가지 정도로 분리할 수 있다.

1. 의사결정 과정 : 데이터를 분석하기 위해 라벨을 붙이는 작업을 한다. 일반적으로 예측이나 분류를 할 때 사용된다.
2. 오류 함수 : 1번에서 진행했던 데이터 분류 작업이 얼마나 정확하게 분류되었는지 판단한다. 그리고 잘못 분석한 데이터가 있다면 오류를 수정하고 다시 1번부터 진행한다.
3. 모델 최적화 프로세스 : 1번과 2번 과정을 반복하면서 프로세스를 최적화하며, 정확도의 임계값이 충족될 때까지 자동으로 가중치를 갱신한다.

 

 

실제 머신러닝 활용 사례

 

음성 인식

자동음성인식(ASR), 컴퓨터 음성인식(Computer Speech Incognition), 음성 텍스트(Speech-to-text) 등 자연어 처리(NLP)를 활용해 인간의 말을 텍스트로 처리하는 기능이다. 많은 모바일 기기는 시리나 빅스비 같은 음성인식 서비스를 제공한다.

 

고객 서비스

온라인 챗봇들이 고객센터에서 일하시는 분들을 대체하고 있다. 온라인 챗봇은 자주 묻는 질문(FAQ)에 답하거나, 개인 맞춤형 조언을 제공하거나, 교차 판매 제품을 판매하거나, 사용자들에게 제품, 서비스를 제안한다. 가상 에이전트와 함께 전자상거래 사이트의 메시징 봇, 페이스북 메신저와 같은 메시징 앱, 가상 비서와 음성 도우미가 주로 하는 업무 등이 대표적이다.

 

자동화된 주식 거래

주식 포트폴리오를 최적화하도록 설계된 AI 기반 거래 플랫폼은 사람의 개입 없이 매일 수천, 심지어 수백만 건의 거래를 성사시킨다.

 

 

딥러닝(Deep Learning)은 무엇일까?