세계적으로 IT분야에 대한 관심이 뜨겁습니다.
인공지능(AI)의 등장은 많은 사람들에게 더 나은 편의를 제공할 수 있다는 기대감을 제공했고, 이에 힘입어 발전 속도가 가속화되고 있스빈다.
이러한 인공지능(AI)은 그 범위가 아주 광범위한데, 우선적으로 단순하게 두 가지, 머신 러닝(Machine Learning)과 딥 러닝(Deep Learning)으로 나눠볼 수 있습니다.
머신러닝이란?
머신러닝(ML)은 데이터를 기반으로 학습 또는 성능 향상을 지원하는 시스템을 구축하는 데 초점을 맞추는 인공 지능(AI)의 하위 집합입니다. 인공지능은 인간 지능을 모방하는 시스템 또는 머신을 나타내는 광범위한 용어입니다. 머신러닝과 AI에 대해 함께 논의되는 경우가 많고 서로 바꿔서 사용되기도 하지만 동일한 것을 의미하지는 않습니다. 모든 머신러닝이 AI이지만 모든 AI가 머신러닝은 아닙니다.
오늘날 머신러닝은 우리 일상생활 속에 잘 녹아 있습니다. 온라인 쇼핑을 통해 소비자가 원하는 물건을 제시해주는 방식, 또는 사진을 통한 사람 인식 등은 머신러닝 기법이 적용된 예시라고 볼 수 있습니다.
우선 딥러닝을 이해하기에 앞서, 딥러닝은 머신러닝보다 더 하위 분야로써, 다른 분야라기보다는 포함 관계에 있습니다.
딥러닝이란 ?
인공신경망이라는 알고리즘 구조를 활용해 데이터를 학습하고, 예측합니다. 딥 러닝은 인간이 결론을 내리는 방식(뇌)과 유사한 논리 구조를 사용하여 데이터를 지속적으로 분석하도록 설계되었습니다.
인공 신경망의 설계는 인간 두뇌의 생물학적 신경망에서 영감을 얻어, 표준 머신 러닝 모델보다 훨씬 더 뛰어난 학습 시스템을 제공합니다.
딥러닝도 우리 일상생활 속에서 쉽게 찾을 수 있습니다. 한 가지 유명한 예는 구글(Google)의 AlphaGo입니다. 마치 사람이 바둑을 두듯이 플레이하는 알파고는 수십, 수억 차례의 경기 데이터를 바탕으로 바둑 경기에서 승리할 수 있는 방법을 스스로 학습하였습니다.
정리하자면, 머신러닝과 딥러닝의 차이점은 이러합니다.
1. 머신러닝은 알고리즘을 사용하여 데이터를 분석하고 해당 데이터에서 학습하고, 학습한 내용을 바탕으로 결정을 내립니다.
2. 딥러닝은 알고리즘을 계층으로 구성하여 스스로 배우고 스스로 결정할 수 있는 '인공 신경망'을 구성합니다.
3. 머신러닝은 딥러닝을 포함하는 개념입니다.
앞으로 제 블로그에서는 머신러닝, 구체적으로 말하자면 딥러닝 기법과 개발 흔적들을 남길 계획입니다. 블로그 작성이 처음인지라 처음엔 조금 서투르고 내용 구성에 흠이 많을 수 있으나, 꾸준히 노력해서 방문자님들에게 도움이 되는 자료들을 제공하겠습니다. 감사합니다.
'AI Paper Review > NLP' 카테고리의 다른 글
[ICLR 2022] LoRA: Low-Rank Adaptation of Large Languate Models 리뷰 (0) | 2024.08.12 |
---|