AL/ 머신러닝 / 딥 러닝 이란?

AL . Artificial Intelligence. 

인간의 학습 능력, 추론 능력, 지각 능력을 인공적으로 구현하려는 컴퓨터과학의 세부 분야.

 

가장 먼저 연구가 시작된 분야로 머신 러닝과 딥 러닝을 포함하는 가장 폭 넓은 분야이다.

Russel 교수님은 다음 4가지 관점으로 AI를 정의했다. 

• Acting Humanly
  Turing Test: 이미테이션 게임을 생각하면 쉽다. 테스터는 컴퓨터와 사람에게 동일한 질문에 대한 답을 듣고 컴퓨터와 사람을 구분할 수 없다면 이를 인공지능으로 정의할 수 있다.
• Thinking Humanly
  인지과학에서 연구되는 부분이다. 사람 뇌의 내부적인 동작 방식과 동일하게 동작하는 것이 인공지능이다.
• Thinking Rationally
  논리학, 논리적 추론의 관점에서 인공지능에 대한 정의이다. 논리적으로 생각할 수 있다면 인공지능으로 정의한다.
• Acting Rationally 
  기대 효용을 최대화 하는 것에 대한 관점이다. 최근 이 관점을 통해 인공 지능의 붐이 시작됐다. 어떤 프로세스의 최적화 또는 효율화의 관점으로 항상 최대 효율을 내도록 계산하는 것이 인공지능이라 정의한다. (알파고가 인간과 똑같이 행동하지 않지만 항상 최대 효율의 수를 두는 것을 생각하면 쉽다)

Traditional AI

AI 인데 머신 러닝이 아닌 것들 전통적인 AI 알고리즘. 단순한 문제들에만 적용가능하다는 한계가 있음.

• Rule-based System
• Search Algorithms
• Propositional Logic
• Frist-Order Logic
• Planning

Machine Learning

머신 러닝은 인공지능의 한 세부 분야로 컴퓨터에게 특정 업무에 대한 규칙들을 부여하고 스스로 업무를 해결하는 방법을 알아내도록 하는 것이다. 컴퓨터는 기본적으로 아무 지식없이 시작하여 데이터를 기반으로 여러번의 학습을 거쳐 최적의 솔루션을 찾아낸다.

많은 데이터를 학습할수록 더 다양한 상황의 해결 방법을 학습하기 때문에 학습 데이터가 많을수록 성능이 향상된다.

대표적인 알고리즘

• Linear regression
• Decision tree
• K-means Clustering
• Neural Network

Deep Learning

딥러닝은 머신 러닝의 세부 분야이다. 여러가지 문제들에 의해 Nerual Network에 더 많은 층을 쌓는 것에 한계가 있었지만 시간이 흐름에 따라 문제들이 해결되고 (Big Data나 GPU의 발전) 기술의 향상이 이뤄졌다. 

대표적인 알고리즘

• Deep Neural Network
• Convolutional Neural Network
• Recurrent Neural Network

머닝러닝과 차이점으로 머신러닝의 경우는 사람이 직접 학습할 데이터의 feature을 추출했다면 딥 러닝은 학습할 feature을 데이터로부터 추출하는 작업(feature extarction)까지 기계가 직접한다.

 

자율 주행을 예로 들면 신호등에서 빨간불일때 멈추는 동작을 학습시킨다면, 머신 러닝에서는 빨간불에서는 멈춘다는 데이터를 사람이 직접 만들어서 학습시키지만 딥러닝에서는 사람이 직접 운정할 때 촬영된 영상 자체를 데이터로 활용하여 컴퓨터가 직접 학습하며 이 과정에서 신호등 색에 따른 행동 방식에 대한 fatuare을 추출한다.